डेटा साइंटिस्ट होने के बारे में आपको सबसे अच्छा क्या लगता है? यह निश्चित रूप से इष्टतम परिणामों के लिए मॉडलिंग और फाइन-ट्यूनिंग है। लेकिन एक अच्छा मॉडल होने का क्या मतलब है अगर इसे कभी इस्तेमाल नहीं किया गया या कभी तैनात नहीं किया गया?
मशीन लर्निंग मॉडल का निर्माण करने के लिए, विशिष्ट दृष्टिकोण इसे REST API में लपेटना और इसे एक माइक्रोसर्विस के रूप में उपयोग करना है। एपीआई बनाने के लिए सबसे व्यापक रूप से उपयोग किए जाने वाले ढांचे में से एक है फ्लास्क .
फ्लास्क का व्यापक रूप से उपयोग किए जाने का मुख्य कारण इसकी सादगी है। सामान्य तौर पर, हम केवल पूर्वानुमानों को मॉडल करने के लिए एपीआई का उपयोग करते हैं, इसलिए हमें एक जटिल वास्तुकला की आवश्यकता नहीं है (उदाहरण: जैंगो ) दूसरा कारण यह है कि फ्लास्क पायथन में लिखा गया है, जो सामान्य रूप से मशीन लर्निंग मॉडलिंग करने के लिए इस्तेमाल की जाने वाली भाषा है, इसलिए हम इससे परिचित हैं।
xinfin कैसे खरीदें?
हालाँकि, यदि आप एक स्पष्ट, स्थिर, इनपुट के साथ एक REST API बनाना चाहते हैं, जो मान्य हैं, तो आपको कई तृतीय पक्षों के कई अलग-अलग पैकेज शामिल करने होंगे जो एक दूसरे के साथ सहयोग नहीं करते हैं। और आपको सब कुछ चलाने के लिए कस्टम कोड बनाना होगा।
यही कारण है कि मुझे अपनी जरूरतों के लिए विकल्पों की तलाश करनी पड़ी, जहां मुझे आखिरकार एक ढांचा मिला, जिसे कहा जाता है फास्टएपीआई और यह मेरा नया पसंदीदा ढांचा बन गया। यहाँ वे कारण हैं जिनकी वजह से मैं FastAPI का उपयोग करना पसंद करता हूँ।
#मशीन-लर्निंग #पायथन #फ्लास्क #वेब-विकास
लीवरेज सीज़न 1 एपिसोड 1 ऑनलाइन मुफ़्त देखें
ओरडाटासाइंस.कॉम
FastAPI ने मेरे लिए हमेशा के लिए कुप्पी बर्बाद कर दी है
FastAPI ने मेरे लिए फ्लास्क को हमेशा के लिए बर्बाद कर दिया है। मैं फ्लास्क के बजाय FastAPI का उपयोग करना क्यों पसंद करता हूं। मुझे FastAPI नामक एक ढांचा मिला और यह मेरा नया पसंदीदा ढांचा बन गया। यहाँ वे कारण हैं जिनकी वजह से मैं FastAPI का उपयोग करना पसंद करता हूँ।