LoslegenKostenlos loslegen

Laden des KI-Modells beim Serverstart

Du musst ein trainiertes Modell zur Sentimentanalyse einsetzen, das dir dabei hilft, Kommentare von Nutzern zu moderieren. Um sicherzustellen, dass es keine Ausfallzeiten gibt, muss die API sofort nach dem Start bereit sein, Nutzerkommentare zu analysieren.

In dieser Übung wirst du die Lebensdauerereignisse von FastAPI nutzen, um dein Modell effizient zu laden und die Kommentar-Moderationssysteme aufzubauen. Die Modellklasse „ SentimentAnalyzer “ ist schon definiert und für dich importiert.

Diese Übung ist Teil des Kurses

KI mit FastAPI in die Produktion bringen

Kurs anzeigen

Anleitung zur Übung

  • Importiere den Kontextmanager-Dekorator aus dem Modul „ contextlib “, um das Lebensdauerereignis zu erstellen.
  • Benutz den Kontextmanager-Dekorator von FastAPI, um die Ereignisfunktion „ lifespan “ zu definieren, damit das Modell beim Start geladen wird.
  • Ruf die Funktion auf, um das Modell beim Start im Ereignis „ lifespan “ zu laden.
  • Lass den Server weiterladen.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

# Import the context manager decorator from contextlib module
from contextlib import ____

sentiment_model = None

def load_model():
    global sentiment_model
    sentiment_model = SentmentAnalyzer("sentiment_model.joblib")

# Use FastAPI's context manager to define lifespan event
@____
def lifespan(app: FastAPI):
    # Call the function to load the model
    ____
    ____
Code bearbeiten und ausführen