Compartir parámetros del modelo con el sistema de monitorización
Quieres añadir un endpoint de health check que proporcione los parámetros del modelo a tu API de clasificación de pingüinos.
Los paquetes necesarios (FastAPI y joblib) ya se han importado.
Este ejercicio forma parte del curso
Implementación de IA en producción con FastAPI
Instrucciones del ejercicio
- Añade un endpoint GET en la ubicación típica para los health checks.
- Obtén los parámetros del modelo de sklearn usando el método
get_params. - Incluye los parámetros del modelo en la respuesta como valor de la clave
params.
ejercicio interactivo práctico
Prueba este ejercicio completando este código de ejemplo.
model = joblib.load(
'penguin_classifier.pkl'
)
app = FastAPI()
# Create health check endpoint
@app.get("____")
async def get_health():
# Capture the model params
params = ____.get_params()
return {"status": "OK",
# Include model params in response
"params": ____}