शुरू करेंमुफ़्त में शुरू करें

ML प्रेडिक्शन के लिए रिक्वेस्ट और रिस्पॉन्स वैलिडेट करें

कॉफी कंपनी में एक डेटा साइंटिस्ट के रूप में आपके काम को आगे बढ़ाते हुए, अब आपको एक FastAPI एंडपॉइंट बनाना है जो CoffeeQualityInput डेटा वैलिडेशन मॉडल का उपयोग करके इनपुट रिक्वेस्ट को वैलिडेट करे, और रिस्पॉन्स वैलिडेशन के लिए QualityPrediction का उपयोग करे.

यह एंडपॉइंट कॉफी का डेटा स्वीकार करेगा और क्वालिटी प्रेडिक्शन के साथ कॉन्फिडेंस स्कोर लौटाएगा.

इस अभ्यास के लिए मॉडल पहले से predict_quality नामक फंक्शन में लोड है.

यह अभ्यास पाठ्यक्रम का हिस्सा है

FastAPI के साथ प्रोडक्शन में AI डिप्लॉय करना

पाठ्यक्रम देखें

अभ्यास निर्देश

  • CoffeeQualityInput को फ़ील्ड aroma (float), flavor (float), और altitude (int) के साथ परिभाषित करें.
  • POST रिक्वेस्ट डेकोरेटर में रिस्पॉन्स को वैलिडेट करने के लिए response_model निर्दिष्ट करें.
  • coffee_data वाले इनपुट रिक्वेस्ट को वैलिडेट करने के लिए डेटा मॉडल निर्दिष्ट करें.

इंटरैक्टिव व्यावहारिक अभ्यास

इस अभ्यास को इस नमूना कोड को पूरा करके आज़माएँ।

class CoffeeQualityInput(BaseModel):
    ____: ____
    ____: ____
    ____: ____
    
class QualityPrediction(BaseModel):
    quality_score: float 
    confidence: float

# Specify the data model to validate response
@app.post("/predict", response_model=____) 
# Specify the data model to validate input request
def predict(coffee_data: ____):
    prediction = predict_quality(coffee_data)
    return prediction
कोड संपादित करें और चलाएँ