使用FastAPI为使用pycaret生成的分类模型构建API

问题描述

@H_404_0@我将pycaret用作我的ML工作流程，我尝试使用FastAPI创建API。这是我第一次进入生产级别，所以我对API有点困惑

@H_404_0@我有10个功能；年龄：浮动，live_province：str，live_city：str，live_area_big：str，live_area_small：str，性别：浮动，婚姻：浮动，银行：str，薪水：浮动，金额：浮动和包含二进制值（0的标签和1）。

@H_404_0@这是我构建API的脚本

from pydantic import BaseModel
import numpy as np
from pycaret.classification import *

import uvicorn
from fastapi import FastAPI

app = FastAPI()

model = load_model('catboost_cm_creditable')

class Data(BaseModel):
    age: float
    live_province: str
    live_city: str
    live_area_big: str
    live_area_small: str
    sex: float
    marital: float
    bank: str
    salary: float
    amount: float

input_dict = Data

@app.post("/predict")
def predict(model,input_dict):
    predictions_df = predict_model(estimator=model,data=input_dict)
    predictions = predictions_df['score'][0]
    return predictions

@H_404_0@当我尝试运行uvicorn script:app并转到文档时，找不到适合我的功能的参数，该参数仅显示模型和input_dict this Wikipeda article

@H_404_0@如何将我的功能带到API中的参数上？

解决方法

您的问题出在API函数的定义上。您为数据输入添加了一个参数，但没有告诉FastAPI它的类型。 另外，我假设您不是要使用全局加载的模型，而不会使用它作为参数。同样，您也不需要为输入数据创建全局实例，因为您想从用户那里获取它。

因此，只需将函数的签名更改为：

def predict(input_dict: Data):

并删除该行：

input_dict = Data

（这将为您的课程Data创建一个别名，名为input_dict）

您最终会得到：

app = FastAPI()

model = load_model('catboost_cm_creditable')

class Data(BaseModel):
    age: float
    live_province: str
    live_city: str
    live_area_big: str
    live_area_small: str
    sex: float
    marital: float
    bank: str
    salary: float
    amount: float

@app.post("/predict")
def predict(input_dict: Data):
    predictions_df = predict_model(estimator=model,data=input_dict)
    predictions = predictions_df['Score'][0]
    return predictions

此外，我建议将类Data的名称更改为更清晰易懂的名称，即使我认为DataUnit也会更好，因为Data太笼统了。

,

您需要键入Pydantic模型以使其与FastAPI一起使用

想象一下，当您需要记录该函数时，您真的在使用标准Python，

def some_function(price: int) ->int:
    return price

使用 Pydantic ，与上面的示例没有什么不同

您的class Data实际上是具有强大功能的Python @dataclass（来自Pydantic）

from fastapi import Depends

class Data(BaseModel):
    age: float
    live_province: str
    live_city: str
    live_area_big: str
    live_area_small: str
    sex: float
    marital: float
    bank: str
    salary: float
    amount: float


@app.post("/predict")
def predict(data: Data = Depends()):
    predictions_df = predict_model(estimator=model,data=data)
    predictions = predictions_df["Score"][0]
    return predictions

有一个小技巧，使用 Depends ，您将得到一个查询，例如分别定义每个字段时。

有依赖关系

没有依赖