布防您的第一个机器学习API

现在我们将创设从BaseModel继承给定和给定的Article类。该给定帮助我们创设将在POST作法中会适用的给定类型。在单单中会，我们将内容创设为字义符串给定，将评论家创设为字义符串沙罗。

class Article(BaseModel): content: str comments: List[str] = [] 在最终一均，我们为API创设了POST作法(“/article/”)。这仅仅我们将创设一个原先均，该均将给定作为重定向并在处理后返回结果。

Article类作为给定：适用Article沙罗创设篇名给定，这将让我们可以加到多个文档条目。 从篇名分离出个人信息：创设周而复始先后从篇名沙罗和评论家沙罗分离出个人信息。它还向codice_加到评论家。 将文档加载到NLP数学作法中会：将内容加载到NLP实训练数学作法中会。 分离出对等：从nlp具体来说分离出对等，然后加到到ents codice_中会。这将堆叠结果。 Display：该给定将返回对等和评论家沙罗。 @app.post("/article/") def analyze_article(articles: List[Article]): ents = [] comments = [] for article in articles: for comment in article.comments: comments.append(comment.upper()) doc = nlp(article.content) for ent in doc.ents: ents.append({"text": ent.text, "label": ent.label_}) return {"ents": ents, "comments": comments} 试验中 Fast API成立在Uvicorn上，因此增值容器也行驶在Uvicorn上。在Jupyter notebook中会，您可以适用不限字义符行驶客户端，或在适配容器中会重定向uvicorn，然后重定向main邮件，其中会FastAPI具体来说是单单中会的 app。

!cd /work/FastAPI-ML-Project && uvicorn main:app 2021-08-04 17:08:56.673584: W tensorflow/stream_executor/platform/default/dso_loader.cc:60] Could not load dynamic library 'libcudart.so.11.0'; dlerror: libcudart.so.11.0: cannot open shared object file: No such file or directory 2021-08-04 17:08:56.673627: I tensorflow/stream_executor/cuda/cudart_stub.cc:29] Ignore above cudart dlerror if you do not have a GPU set up on your machine. China GPE Beijing GPE INFO: Started server process [928] INFO: Waiting for application startup. INFO: Application startup complete. INFO: Uvicorn running on (Press CTRL+C to quit) INFO: 127.0.0.1:51874 - "GET / HTTP/1.1" 200 OK INFO: 127.0.0.1:51876 - "POST /article/ HTTP/1.1" 200 OK INFO: 127.0.0.1:53028 - "POST /article/ HTTP/1.1" 200 OK KernelInterrupted: Execution interrupted by the Jupyter kernel. 我们的增值容器行驶流畅，于是不妨适用request.get作法来回访它。API在都由页上说明了“爱戴”假消息，指出一切正常。

import requests response = requests.get("") print(response.text) {"message":"Welcome"} 直到现在不妨在沙罗中会加到单个文档和评论家作为修订版。我们将适用POST请求作法和/article/来回访NLP数学作法给定。将您的重定向转换成.json() ，以便易于分离出个人信息。

我们有修订版氢原子：['ents','comments']

params = [{"content":"The 1992 Cricket World Cup was won by Pakistan", "comments":["waooo","not bad"]}] article = requests.post(f"",json=params) data_dict = article.json() data_dict.keys() 不妨查看一下整个重定向是什么样的。像是我们有区别于标识和对等沙罗的ents。comments氢原子也一样。

print("Output: ",article.text) Output: {"ents":[{"text":"1992","label":"DATE"},{"text":"Cricket World Cup","label":"EVENT"},{"text":"Pakistan","label":"GPE"}],"comments":["WAOOO","NOT BAD"]} 直到现在不妨分离出单个对等及其文档，健康检查重定向的灵活性。在单单中会，我们从重定向分离出第二个对等。

结果说明了完美。

print("Label: ",list(data_dict["ents"][1].values())[1]) print("Text: ",list(data_dict["ents"][1].values())[0]) Label: EVENT Text: Cricket World Cup 调遣 进入到适配容器，或者您可以在Jupyter notebook单元中会执行不同的步骤，不过在任何剧本之前加到“!”。先要适用cd回访main.py和 ml.py邮件所在的第一版。

cd ~”/FastAPI-ML-Project” Deta需的三个都由邮件是ml.py、main.py 和requirments.txt。

如果您适用Windows，在 PowerShell 中会适用bellow命令下载并配备Deta CLI：

iwr -useb | iex 如果适用Linux：

curl -fsSL | sh 然后适用deta login，不会将您带往客户端，允许您重定向username和password。如果您已登录，需几秒钟来有效性。

deta login

Deta有效性 | deta

适配容器中会的这两个词是魔法词，不会在2分钟内上传邮件并调遣您的客户端。

deta new 您的客户端已上带往端点元数据，单单中会是。

Successfully created a new micro{“name”: “FastAPI-ML-Project”,“runtime”: “python3.7”,“endpoint”: “",“visor”: “enabled”,“http_auth”: “disable”}Adding dependencies…Collecting fastapi…Successfully installed …… 如果您适用deta logs看不到出错健康检查记事，重申一些越来越改，然后适用deta deploy来越来越原先越来越改。

如您所见，我们的客户端已调遣在Deta增值容器上并行驶。

计划摘要| deta

您可以进入到Deta提供的元数据，自行健康检查。

试验中 Web API 最终不妨在Deta的平台元帅我们的远程API作为微增值来试验中。这次我们将加到Deta端点元数据，而不是加到本地IP。可以在未标头的情况下行驶，因为我们未启用API身份有效性。启用身份有效性后，Deta还提供免费的API密文。这仅仅只有您或拥有API密文的人力资源能回访Web增值容器。自已理解有关身份有效性和有理数的越来越多个人信息，提议查阅文档。

我们将加到不同的给定和不同的字义符以获得不同的结果，瞧它多美妙。您的API在留言板，可以通过适用元数据需轻松回访。

header = {"accept": "application/json", "Content-Type": "application/json"} params = [ { "content": "The 1992 Cricket World Cup was won by Pakistan", "comments": ["waooo", "not bad"], } ] article = requests.post("",headers=header ,json=params) 结论 我在研修FastAPI后考虑下一步做什么，于是有一天我在留言板偶然辨认出了引起我特别注意的 Deta。我花了几分钟来配备Deta CLI，并在远程增值容器上调遣API。Deta的有理数和免费API密文功用给我留下了惋惜。我很快理解了该增值的岗位原理以及我将如何在将不会的计划中会适用它。

在研修几个人工神经网络数学作法之后，我们都不会问这个问题：

我知道如何训练我的数学作法并获得实测，但下一步是什么?如何与他人分享我的数学作法，以便他们可以看不到我构筑的内容并在他们的计划中会适用这些功用?

这时候Heroku、Google或Azure等云的平台有了用武之地，但这些的平台有点复杂，您需研修为Docker邮件改写字义符，这有时难以置信沮丧。Deta用最简单的两个字义剧本解决您的所有问题，剧本在几秒钟内需调遣和行驶您的客户端。

。

日照治疗皮肤病最好的医院
深圳治疗皮肤病医院
廊坊皮肤病医院
癫痫治疗
急支糖浆的功效和作用
新冠后遗症
治酒糟鼻
孩子感冒咳嗽怎么办