Flask ব্যবহার করে মডেল API তৈরি করা

Flask হল একটি মাইক্রো ওয়েব ফ্রেমওয়ার্ক যা Python-এ লেখা হয়েছে এবং সহজে ও দ্রুত API তৈরি করার জন্য ব্যবহৃত হয়। নিচে একটি মৌলিক উদাহরণ দেওয়া হলো যেখানে আমরা একটি Machine Learning মডেল API তৈরি করব যা ব্যবহারকারীদের দ্বারা প্রাপ্ত ইনপুটের উপর ভিত্তি করে পূর্বাভাস তৈরি করবে।

পদক্ষেপ ১: প্রয়োজনীয় লাইব্রেরি ইনস্টল করা

প্রথমে Flask এবং অন্যান্য প্রয়োজনীয় লাইব্রেরি ইনস্টল করুন। টার্মিনালে নিচের কমান্ডগুলি চালান:

pip install Flask
pip install numpy
pip install catboost  # যদি CatBoost মডেল ব্যবহার করা হয়

পদক্ষেপ ২: মডেল প্রশিক্ষণ ও সংরক্ষণ করা

এই উদাহরণে, আমরা একটি সাধারণ CatBoost মডেল তৈরি করব এবং এটি একটি ফাইল হিসাবে সংরক্ষণ করব।

import numpy as np
from catboost import CatBoostClassifier
import joblib  # For saving the model

# Dummy data
X = np.array([[1, 2, 3], [4, 5, 6], [1, 0, 1], [5, 2, 1]])
y = np.array([0, 1, 0, 1])

# Create and train the model
model = CatBoostClassifier(iterations=10, learning_rate=0.1, depth=2, verbose=0)
model.fit(X, y)

# Save the model
joblib.dump(model, 'catboost_model.pkl')

পদক্ষেপ ৩: Flask API তৈরি করা

একটি নতুন Python ফাইল তৈরি করুন, যেমন app.py, এবং নিচের কোড লিখুন:

from flask import Flask, request, jsonify
import joblib
import numpy as np

# Load the model
model = joblib.load('catboost_model.pkl')

app = Flask(__name__)

@app.route('/predict', methods=['POST'])
def predict():
    # Get JSON data from request
    data = request.json
    
    # Convert the data into a numpy array
    features = np.array(data['features']).reshape(1, -1)
    
    # Make prediction
    prediction = model.predict(features)

    # Return the prediction
    return jsonify({'prediction': prediction[0]})

if __name__ == '__main__':
    app.run(debug=True)

পদক্ষেপ ৪: API চালানো

1. ফাইলটি সংরক্ষণ করুন এবং টার্মিনালে নিচের কমান্ডটি চালান:

python app.py

1. API টেস্ট করা: API চালু হলে, আপনি curl অথবা Postman ব্যবহার করে এটি টেস্ট করতে পারেন। উদাহরণস্বরূপ:

curl -X POST http://127.0.0.1:5000/predict -H "Content-Type: application/json" -d '{"features": [4, 5, 6]}'

সারসংক্ষেপ

এই উদাহরণের মাধ্যমে আপনি একটি মৌলিক Flask API তৈরি করেছেন যা একটি Machine Learning মডেল ব্যবহার করে পূর্বাভাস তৈরি করে। ব্যবহারকারীরা JSON ফর্ম্যাটে ইনপুট পাঠাতে পারে এবং মডেল থেকে পূর্বাভাসের আউটপুট পেতে পারে। আপনি এই API কে আরও কাস্টমাইজ এবং উন্নত করতে পারেন বিভিন্ন বৈশিষ্ট্য এবং নিরাপত্তা ব্যবস্থা যোগ করে।