Inizia subitoInizia gratis

Caricare il modello di AI all'avvio del server

Devi distribuire un modello di sentiment analysis già addestrato per moderare i commenti degli utenti. Per garantire zero downtime, l'API deve essere pronta ad analizzare i commenti non appena si avvia.

In questo esercizio implementerai gli eventi di lifespan di FastAPI per caricare il modello in modo efficiente e costruire il sistema di moderazione dei commenti. La classe del modello SentimentAnalyzer è già definita e importata per te.

Questo esercizio fa parte del corso

Deployment di AI in produzione con FastAPI

Visualizza corso

Istruzioni dell'esercizio

  • Importa il decorator del context manager dal modulo contextlib per creare l'evento di lifespan.
  • Usa il decorator del context manager di FastAPI per definire la funzione evento lifespan e assicurare il caricamento del modello all'avvio.
  • Chiama la funzione di caricamento del modello all'avvio dentro l'evento lifespan.
  • Esegui yield per permettere al processo di avvio del server di proseguire.

esercizio interattivo pratico

Prova questo esercizio completando questo codice di esempio.

# 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
    ____
    ____
Modifica ed esegui il codice