Web-сервер для обучения и использования ML-моделей на FastAPI
Универское дз
Серверная часть (описание)
В данной работе нужно написать веб-сервер для обучения и инференса ML моделей.
Серверная часть (требования)
Содержимое конфигов и форматы данных предлагается продумать и реализовать самостоятельно
Сервер должен корректно обрабатывать все граничные случаи (неправильный формат входных данных , запросы с несуществующими именами моделей, запросы с дублирующимися именами моделей)
Сервер должен быть реализован на FastAPI
Зависимости хранятся в requirements.txt
На сервер крутится одна модель. API должен предоставлять следующие методы:
- fit(X, y, config) – в конфиге должен быть идентификатор модели + гиперпараметры модели
- load(config) – идентификатор модели для инференса (“выбираем” модель)
- predict(X) – предикт загруженной моделью
- list_models() – список обученных моделей (список идентификаторов моделей)
- remove_all() – убрать все модели
Клиентская часть должна демонстрировать работу с реализованным сервером с помощью библиотеки aiohttp (или httpx).
Клиент может быть реализован непосредственно в Jupyter Notebook, с описанием ожидаемого действия, или в отдельном(-ых) скрипте(-ах), с дублированием в Jupyter Notebook (тогда работоспособность в ноутбуке не требуется).
На клиенте должны быть реализованы следующие функции:
- Код вызова последовательного вызова обучения как минимум двух (N) различных моделей с таким набором данных и параметрами, чтобы обучение одной модели длилось не менее 60 секунд
- Асинхронный вызов нескольких предсказаний
- Код демонстрации остальных функций сервера
(загрузка, выгрузка, удаление) - Должны обрабатываться ошибки и исключения, возвращаемые сервером