Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Test et Exécution de l'API | Section
Fondamentaux du MLOps

bookTest et Exécution de l'API

Une fois que votre application FastAPI a été conteneurisée et que le conteneur Docker est lancé, il est nécessaire de vérifier que l’API fonctionne correctement et retourne les prédictions attendues. Pour exécuter votre conteneur Docker, utilisez une commande telle que :

Remplacez your_image_name par le nom de votre image construite. Cette commande associe le port 8000 de votre machine locale au port 8000 à l’intérieur du conteneur, rendant l’application FastAPI accessible à l’adresse suivante :

Le test de l’endpoint /predict peut être réalisé à l’aide d’outils en ligne de commande comme curl ou en envoyant une requête HTTP depuis Python. Il est essentiel que vos données d’entrée correspondent au format attendu défini par votre modèle FastAPI. Par exemple, si votre modèle attend une charge utile JSON avec certains champs, vos requêtes de test doivent inclure ces champs avec des valeurs d’exemple appropriées.

import requests

# Replace with the actual URL if running on a different host or port
url = "http://localhost:8000/predict"

# Example input data matching the expected schema of your FastAPI model
input_data = {
    "feature1": 3.5,
    "feature2": 1.2,
    "feature3": 0.8
}

response = requests.post(url, json=input_data)

if response.status_code == 200:
    print("Prediction:", response.json())
else:
    print("Error:", response.status_code, response.text)
Note
Note

Avertissement : toujours valider les données d'entrée et gérer les erreurs de manière appropriée dans les API en production. Ne jamais supposer que les clients enverront toujours des données bien formées ou attendues. Utiliser les fonctionnalités de validation de FastAPI et implémenter des messages d'erreur clairs pour aider les utilisateurs et protéger votre service contre les entrées inattendues.

question mark

Quelle méthode HTTP et quel format de charge utile devez-vous utiliser pour tester le point de terminaison /predict de votre API FastAPI lors de requêtes de prédiction ?

Select the correct answer

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 9

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

bookTest et Exécution de l'API

Glissez pour afficher le menu

Une fois que votre application FastAPI a été conteneurisée et que le conteneur Docker est lancé, il est nécessaire de vérifier que l’API fonctionne correctement et retourne les prédictions attendues. Pour exécuter votre conteneur Docker, utilisez une commande telle que :

Remplacez your_image_name par le nom de votre image construite. Cette commande associe le port 8000 de votre machine locale au port 8000 à l’intérieur du conteneur, rendant l’application FastAPI accessible à l’adresse suivante :

Le test de l’endpoint /predict peut être réalisé à l’aide d’outils en ligne de commande comme curl ou en envoyant une requête HTTP depuis Python. Il est essentiel que vos données d’entrée correspondent au format attendu défini par votre modèle FastAPI. Par exemple, si votre modèle attend une charge utile JSON avec certains champs, vos requêtes de test doivent inclure ces champs avec des valeurs d’exemple appropriées.

import requests

# Replace with the actual URL if running on a different host or port
url = "http://localhost:8000/predict"

# Example input data matching the expected schema of your FastAPI model
input_data = {
    "feature1": 3.5,
    "feature2": 1.2,
    "feature3": 0.8
}

response = requests.post(url, json=input_data)

if response.status_code == 200:
    print("Prediction:", response.json())
else:
    print("Error:", response.status_code, response.text)
Note
Note

Avertissement : toujours valider les données d'entrée et gérer les erreurs de manière appropriée dans les API en production. Ne jamais supposer que les clients enverront toujours des données bien formées ou attendues. Utiliser les fonctionnalités de validation de FastAPI et implémenter des messages d'erreur clairs pour aider les utilisateurs et protéger votre service contre les entrées inattendues.

question mark

Quelle méthode HTTP et quel format de charge utile devez-vous utiliser pour tester le point de terminaison /predict de votre API FastAPI lors de requêtes de prédiction ?

Select the correct answer

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 1. Chapitre 9
some-alt