🐔 Ready the chicken! Your app is ready at https://myapp.fastapicloud.dev
```

</div>

Bu kadar! Artık uygulamanıza o URL üzerinden erişebilirsiniz. ✨

## Adım Adım Özetleyelim { #recap-step-by-step }

### Adım 1: `FastAPI` import edin { #step-1-import-fastapi }

{* ../../docs_src/first_steps/tutorial001_py310.py hl[1] *}

`FastAPI`, API'nız için tüm işlevselliği sağlayan bir Python class'ıdır.

## Geliştiriciler İçin HTTPS { #https-for-developers }

Burada, bir HTTPS API’nin adım adım nasıl görünebileceğine dair, özellikle geliştiriciler için önemli fikirlere odaklanan bir örnek var.

### Domain Adı { #domain-name }

Muhtemelen her şey, bir **domain adı** **temin etmenizle** başlar. Sonra bunu bir DNS server’ında (muhtemelen aynı cloud provider’ınızda) yapılandırırsınız.

{* ../../docs_src/security/tutorial005_an_py310.py hl[5,9,13,47,65,106,108:116,122:126,130:136,141,157] *}

Şimdi bu değişiklikleri adım adım inceleyelim.

## OAuth2 Security scheme { #oauth2-security-scheme }

İlk değişiklik, artık OAuth2 security scheme'ini iki adet kullanılabilir scope ile tanımlamamız: `me` ve `items`.

    ///

    `--upgrade` seçeneği, paketler zaten yüklüyse `pip`'e onları yükseltmesini söyler.

    Bir önceki adım (dosyayı kopyalama) **Docker cache** tarafından tespit edilebildiği için, bu adım da uygun olduğunda **Docker cache'i kullanır**.

  dlm_tensor->dl_tensor.device = tf_dlm_context;
  int ndim = tensor->dims();
  dlm_tensor->dl_tensor.ndim = ndim;
  dlm_tensor->dl_tensor.data = tf_dlm_data;
  dlm_tensor->dl_tensor.dtype = tf_dlm_type;

  std::vector<int64_t>* shape_arr = &tf_dlm_tensor_ctx->shape;
  std::vector<int64_t>* stride_arr = &tf_dlm_tensor_ctx->strides;
  shape_arr->resize(ndim);
  stride_arr->resize(ndim, 1);
  for (int i = 0; i < ndim; i++) {

Bu durumda, her operation ID'nin **benzersiz** olduğundan başka bir şekilde emin olmanız gerekir.

Örneğin, her *path operation*'ın bir tag'i olmasını sağlayabilir ve operation ID'yi **tag** ve *path operation* **adı**na (function adı) göre üretebilirsiniz.

### Benzersiz ID Üreten Özel Fonksiyon { #custom-generate-unique-id-function }

# ======
errors.login_error = Geçersiz kullanıcı adı veya şifre.
errors.sso_login_error=SSO oturum açma işlemi başarısız oldu.
errors.could_not_find_log_file = {0} bulunamadı.
errors.failed_to_start_crawl_process = Tarama işlemi başlatılamadı.
errors.invalid_design_jsp_file_name = Geçersiz JSP dosyası.
errors.design_jsp_file_does_not_exist = JSP dosyası mevcut değil.
errors.design_file_name_is_not_found = Dosya adı belirtilmedi.

/// tip | İpucu

Virtual environment'i [`uv`](https://github.com/astral-sh/uv) ile oluşturduysanız, bunu zaten sizin için yaptı; bu adımı atlayabilirsiniz. 😎

///

/// tip | İpucu

Bunu virtual environment'i oluşturduktan hemen sonra **bir kez** yapın.

///

<div class="termy">

```console

  if (h == nullptr) {
    status->status = tensorflow::errors::InvalidArgument("Invalid handle");
    return -1;
  }

  int64_t dim = -1;
  status->status = tensorflow::unwrap(h)->Dim(dim_index, &dim);
  return dim;
}

const char* TFE_TensorHandleDeviceName(TFE_TensorHandle* h, TF_Status* status) {
  if (h == nullptr) {

{* ../../docs_src/python_types/tutorial008_py310.py hl[1] *}

Bu şu anlama gelir:

* `prices` değişkeni bir `dict`'tir:
    * Bu `dict`'in key'leri `str` tipindedir (örneğin her bir öğenin adı).
    * Bu `dict`'in value'ları `float` tipindedir (örneğin her bir öğenin fiyatı).

#### Union { #union }

Bir değişkenin **birkaç tipten herhangi biri** olabileceğini bildirebilirsiniz; örneğin bir `int` veya bir `str`.