Testning och Körning av API:et
När du har containeriserat din FastAPI-applikation och startat Docker-containern behöver du verifiera att API:et körs korrekt och returnerar förutsägelser som förväntat. För att köra din Docker-container, använd ett kommando som:
Ersätt your_image_name med namnet på din byggda image. Detta kommando mappar port 8000 på din lokala maskin till port 8000 inuti containern, vilket gör FastAPI-appen tillgänglig på:
Testning av /predict-endpointen kan göras med kommandoradsverktyg som curl eller genom att skicka en HTTP-förfrågan från Python. Kontrollera alltid att din indata matchar det förväntade formatet som definierats av din FastAPI-modell. Om din modell till exempel förväntar sig en JSON-payload med vissa fält, ska dina testförfrågningar inkludera dessa fält med lämpliga exempelvärden.
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)
Varning: validera alltid indata och hantera fel på ett robust sätt i produktions-API:er. Anta aldrig att klienter alltid skickar korrekt eller förväntad data. Använd FastAPI:s valideringsfunktioner och implementera tydliga felmeddelanden för att hjälpa användare och skydda din tjänst mot oväntad indata.
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Fantastiskt!
Completion betyg förbättrat till 6.67
Testning och Körning av API:et
Svep för att visa menyn
När du har containeriserat din FastAPI-applikation och startat Docker-containern behöver du verifiera att API:et körs korrekt och returnerar förutsägelser som förväntat. För att köra din Docker-container, använd ett kommando som:
Ersätt your_image_name med namnet på din byggda image. Detta kommando mappar port 8000 på din lokala maskin till port 8000 inuti containern, vilket gör FastAPI-appen tillgänglig på:
Testning av /predict-endpointen kan göras med kommandoradsverktyg som curl eller genom att skicka en HTTP-förfrågan från Python. Kontrollera alltid att din indata matchar det förväntade formatet som definierats av din FastAPI-modell. Om din modell till exempel förväntar sig en JSON-payload med vissa fält, ska dina testförfrågningar inkludera dessa fält med lämpliga exempelvärden.
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)
Varning: validera alltid indata och hantera fel på ett robust sätt i produktions-API:er. Anta aldrig att klienter alltid skickar korrekt eller förväntad data. Använd FastAPI:s valideringsfunktioner och implementera tydliga felmeddelanden för att hjälpa användare och skydda din tjänst mot oväntad indata.
Tack för dina kommentarer!