LoslegenKostenlos loslegen

Strukturierte Ausgabe von der API zurückgeben

Du baust ein System zur Moderation von Inhalten auf, wo du einen POST-Endpunkt definieren musst, um ein vorab trainiertes Modell zur Sentimentanalyse für Nutzerkommentare zu testen.

Du musst einen Endpunkt erstellen, der „ pydantic “-Modelle nutzt, um Vorhersagen in einem strukturierten Format zurückzugeben.

Hinweis: Pydantic-Modelle – CommentRequest und CommentResponse – sind schon für dich vorbereitet, damit du sie zusammen mit dem vortrainierten sentiment_model aus der vordefinierten Klasse SentimentAnalyzer nutzen kannst.

Diese Übung ist Teil des Kurses

KI mit FastAPI in die Produktion bringen

Kurs anzeigen

Anleitung zur Übung

  • Richte einen Endpunkt „ POST “ unter der Route „ /analyze “ ein.
  • Überprüfe die „ request ” in der Funktion „ analyze_comment() ” gemäß „ CommentRequest ”.
  • Mach Vorhersagen mit „ sentiment_model “, indem du „ request “ an „ text “ weiterleitest.
  • Gib die Vorhersageattribute (text aus request, "label" und "score" aus result[0]) zurück, um die ausgehende Antwort in CommentResponse zu formatieren.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Create a POST request endpoint
@app.____("/analyze")
# Capture the request text for validation as per CommentRequest model
def analyze_comment(____: CommentRequest):
    try:
        # Specify pass the request text to the model
        result = sentiment_model(____.____)
        # Specify the result attributes to complete the comment response
        return CommentResponse(text=____, 
                               sentiment=____, 
                               confidence=____)
    except Exception:
        raise HTTPException(status_code=500,
            detail="Prediction failed"
        )
Code bearbeiten und ausführen