Créer un point de terminaison d'analyse de sentiment asynchrone
Vous développez une plateforme d'analyse des réseaux sociaux qui doit analyser les avis pour en déterminer le sentiment. Pour gérer efficacement un trafic important, il est nécessaire de mettre en place un point de terminaison d'async. Le modèle d'analyse des sentiments est déjà chargé et disponible à l'adresse sentiment_model.
Cet exercice fait partie du cours
Déployer l'IA en production avec FastAPI
Instructions
- Créez un point de terminaison POST asynchrone
/analyzeà l'aide de l'application FastAPI. - Ajoutez le mot-clé pour appeler l'
sentiment_modele de manière asynchrone sans bloquer les autres opérations. - Exécutez l'
sentiment_modeldans un thread séparé avec le texte de l'avis, en veillant à ce qu'il ne bloque pas la boucle d'événements.
Exercice interactif pratique
Essayez cet exercice en complétant cet exemple de code.
from fastapi import FastAPI
from pydantic import BaseModel
app = FastAPI()
class Review(BaseModel):
text: str
# Create async endpoint at /analyze route
@app.post("____")
# Write an asynchronous function to process review's text
____ def analyze_review(review: Review):
# Run the model in a separate thread to avoid any event loop blockage
result = ____ asyncio.____(sentiment_model, ____)
return {"sentiment": result[0]["label"]}