Spaces:
Paused
Paused
| import os | |
| import mlflow | |
| import mlflow.pyfunc | |
| import pandas as pd | |
| import uvicorn | |
| from pydantic import BaseModel | |
| from typing import Literal, List, Union | |
| from fastapi import FastAPI | |
| from fastapi.encoders import jsonable_encoder | |
| from fastapi.responses import RedirectResponse | |
| description = """ | |
| Estimation du prix de location journalier d'une voiture à partir de ses caractéristiques. | |
| Utilisez l'endpoint **`POST /predict`** en transmettant les attributs du véhicule pour obtenir un prix suggéré en euros par jour. | |
| """ | |
| tags_metadata = [ | |
| { | |
| "name": "Prédictions", | |
| "description": "Estimation du prix de location journalier." | |
| } | |
| ] | |
| app = FastAPI( | |
| title="GetAround — Prédiction du prix de location", | |
| description=description, | |
| version="1.0", | |
| openapi_tags=tags_metadata | |
| ) | |
| class Car(BaseModel): | |
| model_key: Literal['Citroën', 'Peugeot', 'PGO', 'Renault', 'Audi', 'BMW', 'Mercedes', | |
| 'Opel', 'Volkswagen', 'Ferrari', 'Mitsubishi', 'Nissan', 'SEAT', | |
| 'Subaru', 'Toyota', 'other'] | |
| mileage: Union[int, float] | |
| engine_power: Union[int, float] | |
| fuel: Literal['diesel', 'petrol', 'other'] | |
| paint_color: Literal['black', 'grey', 'white', 'red', 'silver', 'blue', 'beige', 'brown', 'other'] | |
| car_type: Literal['convertible', 'coupe', 'estate', 'hatchback', 'sedan', 'subcompact', 'suv', 'van'] | |
| private_parking_available: bool | |
| has_gps: bool | |
| has_air_conditioning: bool | |
| automatic_car: bool | |
| has_getaround_connect: bool | |
| has_speed_regulator: bool | |
| winter_tires: bool | |
| MLFLOW_TRACKING_URI = os.getenv("MLFLOW_TRACKING_URI", "https://atomik31-mlflow.hf.space").strip() | |
| mlflow.set_tracking_uri(MLFLOW_TRACKING_URI) | |
| _model = None | |
| def get_model(): | |
| global _model | |
| if _model is None: | |
| print(f"Chargement du modèle depuis MLflow : {MLFLOW_TRACKING_URI}") | |
| _model = mlflow.pyfunc.load_model("models:/GetAround_price_predictor@production") | |
| print("Modèle chargé en mémoire.") | |
| return _model | |
| async def docs_redirect(): | |
| return RedirectResponse(url='/docs') | |
| async def predict(cars: List[Car]): | |
| """ | |
| Retourne le prix de location journalier estimé pour une ou plusieurs voitures. | |
| **Entrée** : liste de voitures avec leurs caractéristiques (voir schéma ci-dessous) | |
| **Sortie** : `{"prediction": [prix_en_euros, ...]}` | |
| """ | |
| car_features = pd.DataFrame(jsonable_encoder(cars)) | |
| prediction = get_model().predict(car_features) | |
| return {"prediction": prediction.tolist()} | |
| if __name__ == "__main__": | |
| uvicorn.run("api:app", host="0.0.0.0", port=8000, reload=True) | |