Je vais créer une API REST avec FastAPI et déployer des modèles Hugging Face

Nous déployons et intégrons des modèles de génération de texte, des embeddings, des modèles de classification, NER, des modèles de vision par ordinateur, des transformeurs audio Whisper, et des checkpoints PyTorch personnalisés fine-tunés.

Nous avons besoin de l’ID de votre dépôt de modèles Hugging Face ou des poids du modèle, des formats d’échantillons de requête/réponse, et des identifiants cloud si vous souhaitez un déploiement direct sur le cloud.

Non, les coûts des serveurs cloud et des GPU (AWS, GCP, RunPod, Lambda Labs, etc.) sont à votre charge, payés directement par vous via votre compte fournisseur cloud.

Non, nous utilisons uniquement des technologies open-source telles que FastAPI, Uvicorn, PyTorch et Transformers, sans frais récurrents pour des outils propriétaires.

Les révisions incluent l’ajustement des schémas d’entrée/sortie, le réglage des paramètres et la correction des bugs. L’ajout de modèles entièrement nouveaux en dehors du périmètre initial est facturé en supplément.

Vous recevrez le code source complet, le Dockerfile, le guide d’installation, la collection de tests Postman, et la documentation interactive Swagger UI pour tous les endpoints.

Oui, nous proposons 14 jours de support pour la correction de bugs après la fin du projet. Nous offrons également des forfaits mensuels de maintenance pour un suivi et des mises à jour continus.

Nous utilisons l’exécution asynchrone, ONNX Runtime/quantification lorsque c’est possible, un traitement efficace des requêtes en batch, et des processus légers.

Les modèles NLP légers, embeddings et classificateurs peuvent fonctionner sans problème sur des CPU standards. Les modèles LLM lourds et de génération d’images nécessitent une instance GPU.

Une communication préalable nous permet d’évaluer la taille de votre modèle, de vérifier les exigences matérielles et de confirmer le niveau de package exact pour éviter tout retard dans le projet.