[英]Can we use Pydantic models (Basemodel) directly inside model.predict() using FastAPI, and if not ,why?
我將 Pydantic model ( Basemodel
) 與 FastAPI 一起使用並將輸入轉換為dictionary
,然后將其轉換為 Pandas DataFrame
以將其分配給model.predict()
function 進行機器學習預測,如下所示:
from fastapi import FastAPI
import uvicorn
from pydantic import BaseModel
import pandas as pd
from typing import List
class Inputs(BaseModel):
f1: float,
f2: float,
f3: str
@app.post('/predict')
def predict(features: List[Inputs]):
output = []
# loop the list of input features
for data in features:
result = {}
# Convert data into dict() and then into a DataFrame
data = data.dict()
df = pd.DataFrame([data])
# get predictions
prediction = classifier.predict(df)[0]
# get probability
probability = classifier.predict_proba(df).max()
# assign to dictionary
result["prediction"] = prediction
result["probability"] = probability
# append dictionary to list (many outputs)
output.append(result)
return output
它工作正常,我只是不太確定它是否經過優化或正確的方法,因為我將輸入轉換兩次以獲得預測。 另外,我不確定在有大量輸入的情況下它是否會快速工作。 有什么改進嗎? 如果有辦法(即使不是使用 Pydantic 模型,我也可以直接工作並避免進行轉換和循環。
首先,您應該為變量/對象使用更具描述性的名稱。 例如:
@app.post('/predict')
def predict(inputs: List[Inputs]):
for input in inputs:
# ...
您不能將 Pydantic model 直接傳遞給predict()
function,因為它接受數據array
,而不是 Pydantic model。下面列出了可用選項。
你可以使用:
prediction = model.predict([[input.f1, input.f2, input.f3]])[0]
如果您不想使用 Pandas DataFrame,如您的問題所示,即
df = pd.DataFrame([input.dict()])
prediction = model.predict(df)[0]
然后,您可以使用__dict__
方法獲取 model 中所有屬性的值並將其轉換為list
:
prediction = model.predict([list(input.__dict__.values())])[0]
或者,最好使用 Pydantic 的.dict()
方法:
prediction = model.predict([list(input.dict().values())])[0]
您可以避免循環遍歷單個項目並多次調用predict()
function,方法是使用以下代碼:
import pandas as pd
df = pd.DataFrame([i.dict() for i in inputs])
prediction = model.predict(df)
probability = model.predict_proba(df)
return {'prediction': prediction.tolist(), 'probability': probability.tolist()}
或者(如果您不想使用 Pandas DataFrame):
inputs_list = [list(i.dict().values()) for i in inputs]
prediction = model.predict(inputs_list)
probability = model.predict_proba(inputs_list)
return {'prediction': prediction.tolist(), 'probability': probability.tolist()}
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.