使用 FastAPI 为使用 pycaret 生成的分类模型构建 API答案

【问题标题】：Build API using FastAPI for Classification Model produced using pycaret使用 FastAPI 为使用 pycaret 生成的分类模型构建 API
【发布时间】：2020-12-19 17:10:45
【问题描述】：

我使用 pycaret 作为我的 ML 工作流，我尝试使用 FastAPI 创建一个 API。这是我第一次进入生产级别，所以我对API有点困惑

我有 10 个功能；年龄：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和一个标签，其中包含二进制值（0和 1)。

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

当我尝试运行 uvicorn script:app 并转到文档时，我找不到我的功能的参数，参数只显示模型和 input_dict

如何将我的特征带入 API 中的参数？

【问题讨论】：

标签： python machine-learning production fastapi pycaret

【解决方案1】：

您需要键入提示您的 Pydantic 模型以使其与您的 FastAPI 一起使用

想象一下，当您需要记录该函数时，您实际上是在使用标准 Python，

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

使用 Pydantic 与上面的示例没有什么不同

你的class Data实际上是一个拥有超能力的蟒蛇@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，您将获得一个查询，就像您分别定义每个字段时一样。

依赖于

不依赖

【讨论】：

嗨，我试过了，我的 API 运行良好，但是当我尝试运行 API 时，它返回 500 Internal Server Error ERROR: Exception in ASGI application 我相信是因为我没有正确调用模型，但我无法弄清楚加载泡菜文件的正确方法。你能帮帮我吗？
@ebuzz168 你能提供回溯吗？
它抛出 AttributeError: 'Data' object has no attribute 'columns' 错误，这与问题无关，你应该问一个新问题，但据我了解你正在做 data.columns = [str(i) for i in data.columns] ，这对我来说似乎很奇怪，因为，但你只是重申它，错误说 Data object has no attr columns，它确实 hasattr(Data "columns") 下面。

【解决方案2】：

您的问题在于 API 函数的定义。您为数据输入添加了一个参数，但您没有告诉 FastAPI 它的类型。另外我假设您的意思是不要使用全局加载的模型，而不是将其作为参数接收。此外，您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

（这只是为您的班级创建了一个别名Data，命名为input_dict）

你最终会得到：

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

另外，我建议将Data 类的名称更改为更清晰、更易于理解的名称，即使DataUnit 在我看来会更好，因为Data 太笼统了。

【讨论】：