НачатьНачать бесплатно

Создание модели Pydantic для входных данных ML

Вы разрабатываете приложение на FastAPI для развёртывания модели машинного обучения, которая предсказывает оценку качества кофе на основе таких характеристик, как аромат, вкус и высота произрастания.

Первый шаг — создать модель Pydantic для валидации входных данных запроса к вашей ML-модели и убедиться, что через модель проходят только корректные данные, необходимые для успешного предсказания.

Это упражнение является частью курса

Развёртывание ИИ в производственной среде с помощью FastAPI

Посмотреть курс

Инструкции к упражнению

  • Импортируйте базовый класс валидации из Pydantic для создания модели данных.
  • Определите класс CoffeeQualityInput, унаследовав его от базового класса Pydantic.
  • Добавьте в класс три атрибута: aroma (float), flavor (float) и altitude (int).

Интерактивное практическое упражнение

Попробуйте выполнить это упражнение, дополнив этот пример кода.

# Import the base class from pydantic
from pydantic import ____ 

class CoffeeQualityInput(____):
    # Use apt data type for each attribute of coffee quality
    aroma: ____  
    flavor: ____  
    altitude: ____
Редактировать и запускать код