or
Это упражнение является частью курса
Начните обслуживать предсказания вашей модели машинного обучения через эндпоинты FastAPI. Вы научитесь загружать предобученные модели и создавать API-эндпоинты для передачи предсказаний в виде сериализованных ответов по HTTP-запросам. Для валидации запросов и ответов вы будете использовать модели данных Pydantic.
Узнайте, как обслуживать модели машинного обучения через эндпоинты FastAPI. В этой главе рассматривается создание эндпоинтов, возвращающих предсказания, обработка различных типов входных данных и реализация надёжной валидации входных данных. Вы создадите API, готовые к работе в производственной среде: с поддержкой разных типов входных данных и загрузкой моделей машинного обучения при запуске сервера без простоев.
В этой главе рассматривается защита API с помощью аутентификации на основе ключей, управление частотой запросов с использованием пользовательского ограничения нагрузки, а также повышение производительности за счёт асинхронной обработки. Вы научитесь защищать эндпоинты, предотвращать злоупотребления и эффективно обрабатывать ресурсоёмкие задачи — всё это подготовит ваш API к работе в производственной среде.
В этой главе рассматриваются продвинутые темы, которые помогут поддерживать приложения FastAPI в производственной среде на долгосрочной основе. Темы включают версионирование и документирование API-эндпоинтов, расширенную валидацию входных и выходных данных для работы со сложными структурами, а также мониторинг и ведение журналов для контроля работы приложений и оперативного устранения неполадок.
Текущее упражнение