Kom igångKom igång gratis

Returnera strukturerade utdata från API

Du bygger ett system för innehållsmoderering där du behöver definiera en POST-endpoint för att testa en förtränad sentimentanalysmodell på användarkommentarer.

Du ska skapa en endpoint som använder pydantic-modeller för att returnera prediktioner i ett strukturerat format.

Obs: Pydantic-modellerna CommentRequest och CommentResponse är redan skapade och redo att använda, tillsammans med den förtränade sentiment_model från den fördefinierade klassen SentimentAnalyzer.

Den här övningen är en del av kursen

Driftsättning av AI i produktion med FastAPI

Visa kurs

Övningsinstruktioner

  • Implementera en POST-endpoint på routen /analyze.
  • Validera request i funktionen analyze_comment() enligt CommentRequest.
  • Gör prediktioner med sentiment_model genom att skicka text från request.
  • Returnera prediktionsattributen (text från request, "label" och "score" från result[0]) för att formatera det utgående svaret i CommentResponse.

Interaktiv övning med praktiskt arbete

Testa den här övningen genom att slutföra den här exempelkoden.

# Create a POST request endpoint
@app.____("/analyze")
# Capture the request text for validation as per CommentRequest model
def analyze_comment(____: CommentRequest):
    try:
        # Specify pass the request text to the model
        result = sentiment_model(____.____)
        # Specify the result attributes to complete the comment response
        return CommentResponse(text=____, 
                               sentiment=____, 
                               confidence=____)
    except Exception:
        raise HTTPException(status_code=500,
            detail="Prediction failed"
        )
Redigera och kör kod