Partager les paramètres du modèle avec la supervision
Vous souhaitez ajouter un endpoint de contrôle d’état qui fournit les paramètres du modèle à votre API de classification des manchots.
Les paquets requis (FastAPI et joblib) ont déjà été importés.
Cet exercice fait partie du cours
<cours>Déployer l’IA en production avec FastAPI</cours>Instructions de l’exercice
- Ajoutez un endpoint GET à l’emplacement habituel pour les contrôles d’état.
- Récupérez les paramètres du modèle sklearn à l’aide de la méthode
get_params. - Incluez les paramètres du modèle dans la réponse sous la clé
params.
Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
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": ____}