Den første /predict-endpoint
Indlæs en model, og returnér en forudsigelse via HTTP.
Den første /predict-endpoint er en gratis MLOps Academy-lektion på CoddyKit. Dette er lektion 1 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i MLOps Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. MLOps Academy-kurset indeholder 4 lektioner i alt.
Fra notebook til API
En model i en notebook hjælper kun dig. Hvis du vil betjene rigtige brugere, pakker du den ind i et API, som alle kan kalde over netværket. 🚀
Hvorfor FastAPI?
FastAPI er et moderne Python-webframework, der er hurtigt at skrive i, validerer input for dig og automatisk genererer interaktiv dokumentation.
Installér det
Du skal bruge to dele: FastAPI selv og en server til at køre det. Installér begge med pip på én linje.
pip install fastapi uvicornOpret appen
Alt starter med ét app-objekt. Du opretter en FastAPI-instans og knytter ruter til den.
from fastapi import FastAPI
app = FastAPI()Hvad er et endepunkt
Et endepunkt er en URL, som din app reagerer på, f.eks. /predict. Hvert endepunkt kører en Python-funktion, når nogen kalder det.
Indlæs din model først
Før du laver forudsigelser, indlæser du den trænede model fra disken. Her læser joblib en gemt scikit-learn-model ind i hukommelsen.
import joblib
model = joblib.load("model.joblib")Erklær ruten
Du markerer en funktion som et POST-endepunkt med en dekorator. POST passer til forudsigelser, fordi du sender data i forespørgslens brødtekst.
@app.post("/predict")
def predict(features: list[float]):
...Kør forudsigelsen
Inde i funktionen kalder du modellen. predict forventer et 2D-input, så du pakker rækken ind i en liste, før du sender den videre.
pred = model.predict([features])
result = pred[0]Returnér JSON
Uanset hvad din funktion returnerer, serialiserer FastAPI det automatisk til JSON. Returnér en almindelig dict, så får klienten ren JSON.
return {"prediction": result}Start serveren
Du starter appen med uvicorn og angiver modulet og app-objektet. Flaget reload genstarter serveren, når koden ændres.
uvicorn main:app --reloadPrøv den automatiske dokumentation
Åbn /docs i din browser, så viser FastAPI en interaktiv side, hvor du kan teste /predict uden at skrive klientkode. 🎉
Hurtigt tjek
Du vil have, at klienter sender featuredata til din model. Hvilken HTTP-metode passer til et /predict-endepunkt?
Opsummering
Du pakkede en model ind i FastAPI: opret app, indlæs modellen, eksponér et POST /predict, der returnerer JSON, og kør det med uvicorn. Det er en aktiv API! 🙌
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Den første /predict-endpoint” gratis?
Ja — hele teksten til “Den første /predict-endpoint” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af MLOps Academy-kurset, skal du opgradere til CoddyKit PRO. MLOps Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Den første /predict-endpoint”?
Indlæs en model, og returnér en forudsigelse via HTTP. Du øver dig i MLOps Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på MLOps Academy?
Der kræves ingen tidligere erfaring. MLOps Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 1 af 4.
Hvor lang tid tager lektionen “Den første /predict-endpoint”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne MLOps Academy-lektion?
Ja. Alle MLOps Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Den første /predict-endpoint
- Validér forespørgsler med Pydantic
- Indlæs modellen én gang ved opstart
- Tilføj et /health-parathedstjek