Aan de slagBegin gratis

Maak een Pydantic-model voor ML-input

Je bent een FastAPI-applicatie aan het ontwikkelen om een Machine Learning-model te deployen dat de kwaliteitscore van koffie voorspelt op basis van eigenschappen zoals aroma, smaak en hoogte.

De eerste stap is om een Pydantic-model te maken om de invoergegevens van het verzoek voor je ML-model te valideren en ervoor te zorgen dat alleen geldige data door het model stroomt voor een succesvolle voorspelling.

Deze oefening maakt deel uit van de cursus

AI in productie brengen met FastAPI

Bekijk cursus

Oefeninstructies

  • Importeer de basisvalidatieklasse van Pydantic om een gegevensmodel te maken.
  • Definieer een klasse met de naam CoffeeQualityInput die erft van de Pydantic-basisklasse.
  • Voeg drie attributen toe aan de klasse: aroma (float), flavor (float) en altitude (int).

Interactieve oefening met praktijkervaring

Probeer deze oefening door deze voorbeeldcode aan te vullen.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Code bewerken en uitvoeren