quatrieme

app.py

@@ -1,52 +1,11 @@
 from fastapi import FastAPI
-from pydantic import BaseModel
-import joblib
-import boto3
-import os
-import io
-import uvicorn
-import numpy as np
-from dotenv import load_dotenv
 
-# Charger les secrets (.env ou .secrets)
-load_dotenv(dotenv_path='.secrets')
-
-# Initialiser l'app FastAPI
-app = FastAPI(title="GetAround Pricing API")
-
-# Config S3
-S3_BUCKET = os.getenv("S3_BUCKET")
-MODEL_KEY = os.getenv("MODEL_KEY")
-
-# Connexion S3
-s3 = boto3.client(
-    "s3",
-    aws_access_key_id=os.getenv("AWS_ACCESS_KEY_ID"),
-    aws_secret_access_key=os.getenv("AWS_SECRET_ACCESS_KEY")
-)
-
-# Charger le modèle depuis S3
-def load_model_from_s3(bucket, key):
-    print(f"Téléchargement du modèle depuis s3://{bucket}/{key}")
-    response = s3.get_object(Bucket=bucket, Key=key)
-    bytestream = io.BytesIO(response["Body"].read())
-    return joblib.load(bytestream)
-
-model = load_model_from_s3(S3_BUCKET, MODEL_KEY)
-
-# Définition du format d'entrée
-class InputData(BaseModel):
-    input: list
-
-@app.post("/predict")
-def predict(data: InputData):
-    X = np.array(data.input)
-    preds = model.predict(X)
-    return {"prediction": preds.tolist()}
+app = FastAPI()
 
 @app.get("/")
-def home():
-    return {"message": "Bienvenue sur l'API GetAround Pricing! Utilisez /predict pour faire une prédiction."}
+def read_root():
+    return {"status": "ok"}
 
-if __name__ == "__main__":
-    uvicorn.run("app:app", host="0.0.0.0", port=7860)
+@app.post("/predict")
+def predict(data: dict):
+    return {"prediction": [42]}

runtime.txt

@@ -0,0 +1 @@
+python-3.10