为 ML 输入创建一个 Pydantic 模型
您正在开发一个 FastAPI 应用，用于部署一个机器学习模型。该模型会根据包括香气、风味和海拔在内的属性来预测咖啡的质量得分。
第一步是创建一个 Pydantic 模型，用来验证传入到您的 ML 模型的请求数据，确保只有有效数据才能进入模型，从而顺利完成预测。
本练习是课程的一部分
使用 FastAPI 在生产环境中部署 AI
练习说明
- 从 Pydantic 导入基础校验类以创建数据模型。
- 定义一个名为
CoffeeQualityInput的类，并继承自 Pydantic 的基础类。 - 为该类添加 3 个属性：
aroma（float）、flavor（float）和altitude（int）。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Import the base class from pydantic
from pydantic import ____
class CoffeeQualityInput(____):
# Use apt data type for each attribute of coffee quality
aroma: ____
flavor: ____
altitude: ____