Bắt đầu ngayBắt đầu miễn phí

Xác thực request và response cho dự đoán ML

Tiếp nối công việc của bạn với vai trò data scientist tại công ty cà phê, giờ bạn cần tạo một endpoint FastAPI để xác thực yêu cầu đầu vào bằng mô hình xác thực dữ liệu CoffeeQualityInput và dùng QualityPrediction cho xác thực phản hồi.

Endpoint này sẽ nhận dữ liệu cà phê và trả về dự đoán chất lượng kèm theo điểm tin cậy.

Mô hình đã được nạp sẵn vào hàm predict_quality cho bài tập này.

Bài tập này là một phần của khóa học

Triển khai AI vào môi trường sản xuất với FastAPI

Xem khóa học

Hướng dẫn bài tập

  • Định nghĩa CoffeeQualityInput với các trường aroma (float), flavor (float), và altitude (int).
  • Chỉ định response_model để xác thực phản hồi trong decorator POST request.
  • Chỉ định data model để xác thực yêu cầu đầu vào chứa coffee_data.

Bài tập tương tác thực hành trực tiếp

Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.

class CoffeeQualityInput(BaseModel):
    ____: ____
    ____: ____
    ____: ____
    
class QualityPrediction(BaseModel):
    quality_score: float 
    confidence: float

# Specify the data model to validate response
@app.post("/predict", response_model=____) 
# Specify the data model to validate input request
def predict(coffee_data: ____):
    prediction = predict_quality(coffee_data)
    return prediction
Chỉnh sửa và Chạy Mã