End Point Model Machine Learning | Fast API |

Hirarki Proyek

project-root/

├── models/ # File untuk menyimpan model

├── category_model.h5

├── environment_model.h5

│ └── scenery_model.h5 # Model .h5 yang digunakan untuk klasifikasi gambar

├── .env # File untuk menyimpan apiKey

├── .gitignore # File untuk menentukan file/direktori yang harus diabaikan oleh Git

├── main.py # File kode utama untuk aplikasi FastAPI

├── requirements.txt # File untuk menyimpan semua dependensi yang digunakan

└── serviceAccount.json # File untuk menyimpan kredensial Firebase

Memulai Proyek :

1. Untuk menjalankan proyek ini di dalam lingkungan virtual (virtual environment) yang bernama myenv, kamu perlu mengikuti langkah-langkah berikut: Membuat Virtual Environment: Buat lingkungan virtual baru bernama myenv (jika belum ada):

    python -m venv myenv
   

2. Aktivasi Virtual Environment lingkungan virtual yang sudah dibuat:

   Di Windows:

    myenv\Scripts\activate
   

   Di macOS/Linux:

    source myenv/bin/activate
   

3. Menginstal semua Dependencies library yang diperlukan di dalam myenv:

    pip install fastapi uvicorn tensorflow requests pillow numpy python-dotenv google-cloud-firestore
   

4. Membuat dan Menjalankan Script: Buat file Python (main.py)

5. Menjalankan FastAPI Server menggunakan uvicorn:

    uvicorn main:app --reload
    uvicorn main:app --host 0.0.0.0 --port 8080
   

6. Setelah langkah-langkah ini selesai, kamu bisa mengakses endpoint http://127.0.0.1:8000/classify_image/ untuk mengirimkan request POST dengan name dan mendapatkan hasil klasifikasi.

   body request

   

   body respone

    {
        "id": "2e2adaf4190d4fbca748e",
        "name": "Pantai Kuta",
        "photoURL": "https://maps.googleapis.com/maps/api/place/photo?maxwidth=400&photoreference=AUc7tXV66w-jkkriOrf5XN0EBcjZvsCUeoKpOMyHPPik_iagI_KA-1yBJwXWsmeVjcBIgChI1vlnIAbX57pMwHxN11qZQxJDVY9nfqRXpgkTrErTGbkIyjGauf9aMLeSipo6n56oRaUjK1JrID5ieN204AHG-uthcQBHySEBnvgjViQ4Z-cD&key=ApiKey",
        "description": "Pantai Kuta, Kec. Kuta, Kabupaten Badung, Bali, Indonesia",
        "rating": 4.5,
        "lat": -8.7184926,
        "lon": 115.1686322,
        "scenery_classes": "Nature",
        "environment_classes": "Water",
        "category_classes": "Greenery"
    }