เริ่มต้นใช้งานเริ่มต้นใช้งานได้ฟรี

สร้าง Pydantic model สำหรับ input ของ ML

คุณกำลังพัฒนาแอปพลิเคชัน FastAPI เพื่อ deploy โมเดล machine learning ที่ทำนายคะแนนคุณภาพของกาแฟจาก attribute ต่าง ๆ ได้แก่ กลิ่น รสชาติ และระดับความสูง

ขั้นตอนแรกคือสร้าง Pydantic model เพื่อตรวจสอบความถูกต้องของข้อมูล request ที่ส่งเข้ามายังโมเดล ML และมั่นใจว่ามีเฉพาะข้อมูลที่ถูกต้องเท่านั้นที่ผ่านเข้าสู่โมเดลเพื่อให้การทำนายสำเร็จ

แบบฝึกหัดนี้เป็นส่วนหนึ่งของหลักสูตร

การ Deploy AI สู่ Production ด้วย FastAPI

ดูคอร์ส

คำแนะนำการฝึกหัด

  • Import คลาสสำหรับ validation หลักจาก Pydantic เพื่อสร้าง data model
  • กำหนดคลาสชื่อ CoffeeQualityInput โดยให้สืบทอดจากคลาสหลักของ Pydantic
  • เพิ่ม attribute สามรายการในคลาส ได้แก่ aroma (float), flavor (float) และ altitude (int)

แบบฝึกหัดเชิงโต้ตอบแบบลงมือทำ

ลองทำแบบฝึกหัดนี้โดยเติมโค้ดตัวอย่างนี้ให้สมบูรณ์

# Import the base class from pydantic
from pydantic import ____ 

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