Zacznij terazZacznij za darmo

Obsługa numerycznych danych żądania

Tworzysz system moderacji treści. System musi obliczyć wskaźnik zaufania dla każdego komentarza użytkownika na podstawie cech numerycznych – length, user_reputation i report_count. Stworzysz endpoint, który przetworzy te cechy tak, aby były zgodne z formatem wymaganym przez model moderacji.

Model uczenia maszynowego oraz model Pydantic CommentMetrics z polami length(int), user_reputation(int) i report_count(int) są już utworzone i załadowane.

To ćwiczenie jest częścią kursu

Wdrażanie AI na produkcję z FastAPI

Zobacz kurs

Instrukcje do ćwiczenia

  • W pliku main.py przekształć przychodzące dane komentarza metrics w dwuwymiarową tablicę NumPy i wyodrębnij length, user_reputation, report_count przed przekazaniem ich do modelu.

  • Wykonaj predykcję przy użyciu wczytanego modelu model, przekazując do niego tablicę features.

  • Uruchom serwer, wykonując plik main.py poleceniem python3 main.py.

  • Otwórz nowy terminal, klikając przycisk w prawym górnym rogu obecnego terminala.

    Terminal ze strzałką wskazującą przycisk „new terminal" w prawym górnym rogu.

  • Przetestuj endpoint predict_trust, używając polecenia curl: 

curl -X POST "http://localhost:8080/predict_trust" \
     -H "Content-Type: application/json" \
     -d '{
           "length": 150,
           "user_reputation": 100,
           "report_count": 0
         }'

Interaktywne ćwiczenie praktyczne

Przekształć teorię w praktykę dzięki jednemu z naszych interaktywnych ćwiczeń

Rozpocznij ćwiczenie