En esta guía, aprenderá cómo implementar un aprendizaje automático modelo como API usando Fastapi. Crearemos una API que predice la especie de un pingüino basada en su longitud de factura y longitud de la aleta.
Requisitos previos
- Conocimiento básico de Python
- Python instalado en su sistema (preferiblemente la versión 3.7 o superior)
- Familiaridad con los conceptos de aprendizaje automático (opcional)
Paso 1: Configure su entorno
- Crear un directorio de proyecto
Abra su terminal y cree un nuevo directorio para su proyecto: - Configurar un entorno virtual
Crear y activar un entorno virtual:
- En el uso de Windows: VenVScriptsActivate
- Instale los paquetes requeridos
Instale Fastapi, UVicorn (para servir a la aplicación) y otras bibliotecas necesarias:
Paso 2: Prepare su modelo de aprendizaje automático
- Descargar DataSet
Para este ejemplo, utilizaremos el conjunto de datos de Palmer Penguins. Puedes descargarlo desde aquí. - Crea un script de Python para el modelo
Cree un archivo llamado Model.py en su directorio de proyecto:
Paso 3: crea la aplicación Fastapi
- Crear el archivo de aplicación principal
Cree un archivo llamado Main.py:
Paso 4: Ejecute su aplicación Fastapi
- Ejecutar la aplicación
En su terminal, ejecute el siguiente comando:
- Acceder a la API
Abra su navegador web y navegue a http://127.0.0.1:8000/docs. Esto abrirá Swagger UI, donde puedes probar tu API.
Paso 5: Pruebe su API
- Use Swagger UI
En la interfaz de usuario de Swagger, busque el punto final /predicto, haga clic en él y luego haga clic en “Pruébelo”. Ingrese los valores de Bill_Length y Flipper_Length, luego haga clic en “Ejecutar”. ¡Deberías ver una respuesta con las especies de pingüinos predichas!
Conclusión
¡Felicidades! Ha implementado con éxito una API de aprendizaje automático usando Fastapi. Esta guía cubierta:
- Configuración de su entorno.
- Preparación de un modelo de aprendizaje automático.
- Creando una aplicación Fastapi.
- Ejecutar y probar su API.
Siguientes pasos
- Explore las características más avanzadas de Fastapi como autenticación e integración de bases de datos.
- Experimente con diferentes modelos de aprendizaje automático y conjuntos de datos.
- Considere contener su aplicación usando Docker para una implementación más fácil.
¡No dude en comunicarse si tiene alguna pregunta o necesita más ayuda!
Nikhil es consultor interno en MarktechPost. Está buscando un doble grado integrado en materiales en el Instituto Indio de Tecnología, Kharagpur. Nikhil es un entusiasta de AI/ML que siempre está investigando aplicaciones en campos como biomateriales y ciencias biomédicas. Con una sólida experiencia en la ciencia material, está explorando nuevos avances y creando oportunidades para contribuir.