Pierwszy endpoint /predict
Wczytaj model i zwróć predykcję przez HTTP
Pierwszy endpoint /predict to bezpłatna lekcja MLOps Academy na CoddyKit. To lekcja 1 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej MLOps Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs MLOps Academy zawiera 4 lekcji w sumie.
Od notatnika do API
Model w notatniku pomaga tylko Państwu. Aby udostępniać go rzeczywistym użytkownikom, należy opakować go w API, które każdy może wywołać przez sieć. 🚀
Dlaczego FastAPI
FastAPI to nowoczesny framework internetowy dla Pythona, który pozwala szybko pisać kod, automatycznie sprawdza dane wejściowe i generuje interaktywną dokumentację.
Zainstaluj je
Potrzebne są dwa elementy: samo FastAPI oraz serwer, który je uruchomi. Oba można zainstalować jednym poleceniem pip.
pip install fastapi uvicornUtwórz aplikację
Wszystko zaczyna się od jednego obiektu app. Należy utworzyć instancję FastAPI i przypisać do niej trasy.
from fastapi import FastAPI
app = FastAPI()Czym jest endpoint
Endpoint to adres URL, na który odpowiada aplikacja, na przykład /predict. Każdy endpoint uruchamia funkcję w języku Python, gdy ktoś go wywoła.
Najpierw wczytaj model
Przed wykonaniem predykcji należy wczytać wytrenowany model z dysku. Tutaj joblib wczytuje zapisany model scikit-learn do pamięci.
import joblib
model = joblib.load("model.joblib")Zadeklaruj trasę
Za pomocą dekoratora oznacza się funkcję jako endpoint POST. Metoda POST pasuje do predykcji, ponieważ dane są przesyłane w treści żądania.
@app.post("/predict")
def predict(features: list[float]):
...Wykonaj predykcję
Wewnątrz funkcji wywołuje się model. Funkcja predict oczekuje danych wejściowych w postaci dwuwymiarowej, dlatego przed ich przekazaniem należy umieścić wiersz na liście.
pred = model.predict([features])
result = pred[0]Zwróć JSON
FastAPI automatycznie serializuje do JSON wszystko, co zwraca funkcja. Zwróć zwykły słownik, a klient otrzyma poprawny JSON.
return {"prediction": result}Uruchom serwer
Aplikację uruchamia się za pomocą uvicorn, wskazując moduł i obiekt aplikacji. Flaga reload powoduje ponowne uruchomienie serwera po zmianie kodu.
uvicorn main:app --reloadWypróbuj automatyczną dokumentację
Otwórz w przeglądarce stronę /docs, a FastAPI wyświetli interaktywną stronę, na której można przetestować /predict bez pisania kodu klienta. 🎉
Szybkie sprawdzenie
Chcesz, aby klienci wysyłali dane cech do modelu. Która metoda HTTP pasuje do endpointu /predict?
Podsumowanie
Opakowano model w FastAPI: utworzono app, wczytano model, udostępniono POST /predict zwracający JSON i uruchomiono go za pomocą uvicorn. To działające API! 🙌
Często zadawane pytania
Czy lekcja „Pierwszy endpoint /predict” jest bezpłatna?
Tak — pełny tekst „Pierwszy endpoint /predict” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu MLOps Academy, przejdź na CoddyKit PRO. Kurs MLOps Academy zawiera 4 lekcji w sumie.
Co nauczysz się w „Pierwszy endpoint /predict”?
Wczytaj model i zwróć predykcję przez HTTP Ćwiczysz MLOps Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.
Czy potrzebuję doświadczenia, aby zacząć MLOps Academy?
Nie wymagamy żadnego doświadczenia. MLOps Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 1 z 4.
Ile czasu zajmuje lekcja „Pierwszy endpoint /predict”?
Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.
Czy mogę pisać i uruchamiać kod w tej lekcji MLOps Academy?
Tak. Każda lekcja MLOps Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.
Wszystkie lekcje w tym kursie
- Pierwszy endpoint /predict
- Walidacja żądań za pomocą Pydantic
- Jednorazowe wczytywanie modelu podczas uruchamiania
- Dodawanie kontroli gotowości /health