Facilement transformer votre modèle de Machine Learning en une API avec FastAPI utilisant Python

Transformer facilement votre modèle de Machine Learning en API avec FastAPI de Python

FastAPI est un framework moderne et rapide pour la création d’API en Python. Il est basé sur le typage de données et offre une documentation automatique, une validation de données et de nombreuses autres fonctionnalités.

Dans ce tutoriel, nous allons vous montrer comment transformer facilement votre modèle de Machine Learning en une API en utilisant FastAPI. Nous allons utiliser un exemple de modèle de régression linéaire pour illustrer le processus.

Étape 1: Installer FastAPI et les bibliothèques nécessaires

Tout d’abord, vous devez installer FastAPI et quelques autres bibliothèques nécessaires. Pour cela, ouvrez votre terminal et exécutez les commandes suivantes :

pip install fastapi
pip install uvicorn

Étape 2: Créer votre modèle de régression linéaire

Pour cet exemple, nous allons créer un simple modèle de régression linéaire en utilisant la bibliothèque scikit-learn. Voici un exemple de code pour créer un tel modèle :

from sklearn.linear_model import LinearRegression

# Créer un modèle de régression linéaire
model = LinearRegression()
X_train = [[1], [2], [3]]
y_train = [2, 4, 6]
model.fit(X_train, y_train)

Étape 3: Créer une API avec FastAPI

Maintenant, nous allons créer une API pour notre modèle de régression linéaire en utilisant FastAPI. Voici un exemple de code pour cela :

from fastapi import FastAPI

app = FastAPI()

@app.get("/predict/{input}")
def predict(input: float):
    prediction = model.predict([[input]])
    return {"prediction": prediction[0]}

Dans ce code, nous avons défini une route "/predict/{input}" qui prend un paramètre d’entrée et renvoie la prédiction du modèle pour cet input.

Étape 4: Exécuter votre API

Maintenant, vous pouvez exécuter votre API en utilisant le serveur web Uvicorn. Pour ce faire, exécutez la commande suivante dans votre terminal :

uvicorn file_name:app --reload

Assurez-vous de remplacer "file_name" par le nom de votre fichier Python contenant le code FastAPI.

Ensuite, ouvrez votre navigateur et accédez à l’URL "http://127.0.0.1:8000/predict/{input}" en remplaçant "{input}" par la valeur que vous souhaitez prédire. Vous devriez voir la réponse de l’API avec la prédiction du modèle pour cette entrée.

C’est tout! Vous avez maintenant créé une API simple pour votre modèle de régression linéaire en utilisant FastAPI. Vous pouvez maintenant l’utiliser pour servir des prédictions en temps réel à partir de votre modèle de Machine Learning.