errors.invalid_design_jsp_file_name = Berkas JSP tidak valid.
errors.design_jsp_file_does_not_exist = Berkas JSP tidak ada.
errors.design_file_name_is_not_found = Nama berkas tidak ditentukan.
errors.failed_to_write_design_image_file = Gagal mengunggah berkas gambar.
errors.failed_to_update_jsp_file = Gagal memperbarui berkas JSP.
errors.design_file_name_is_invalid = Nama berkas tidak valid.

labels.startTime=Waktu Mulai
labels.target=Target
labels.token=Token
labels.synonymFile=Berkas Sinonim
labels.stopwordsFile=Berkas Stopwords
labels.stemmerOverrideFile=Berkas Stemmer Override
labels.mappingFile=Berkas Mapping
labels.protwordsFile=Berkas Protwords
labels.kuromojiFile=Berkas Kuromoji
labels.elevateWordFile=Berkas Elevate Word
labels.badWordFile=Berkas Bad Word
labels.urlExpr=Kondisi
labels.boostExpr=Ekspresi Boost

    # via
    #   -r ci/official/requirements_updater/requirements.in
    #   jax
    #   keras-nightly
namex==0.0.9 \
    --hash=sha256:7bd4e4a2cc3876592111609fdf4cbe6ff19883adbe6b3b40d842fd340f77025e \
    --hash=sha256:8adfea9da5cea5be8f4e632349b4669e30172c7859e1fd97459fdf3b17469253
    # via keras-nightly
numpy==2.4.2 ; python_version == "3.14" \

wrapt == 1.16.0
tblib == 2.0.0
ml_dtypes >= 0.5.4, < 0.6.0
auditwheel >= 6.1.0
# Install tensorboard, and keras
# Note that here we want the latest version that matches TF major.minor version
# Note that we must use nightly here as these are used in nightly jobs
# For release jobs, we will pin these on the release branch
keras-nightly ~= 3.12.0.dev
tb-nightly ~= 2.20.0.a

    # via
    #   -r ci/official/requirements_updater/requirements.in
    #   jax
    #   keras-nightly
namex==0.0.8 \
    --hash=sha256:32a50f6c565c0bb10aa76298c959507abdc0e850efe085dc38f3440fcb3aa90b \
    --hash=sha256:7ddb6c2bb0e753a311b7590f84f6da659dd0c05e65cb89d519d54c0a250c0487
    # via keras-nightly
numpy==1.26.4 \
    --hash=sha256:03a8c78d01d9781b28a6989f6fa1bb2c4f2d51201cf99d3dd875df6fbd96b23b \

    # via
    #   -r ci/official/requirements_updater/requirements.in
    #   jax
    #   keras-nightly
namex==0.0.9 \
    --hash=sha256:7bd4e4a2cc3876592111609fdf4cbe6ff19883adbe6b3b40d842fd340f77025e \
    --hash=sha256:8adfea9da5cea5be8f4e632349b4669e30172c7859e1fd97459fdf3b17469253
    # via keras-nightly
numpy==2.1.3 ; python_version <= "3.13" \

Y el resto será manejado por **FastAPI**.

Si lo ejecutas y vas a [http://localhost:8000/v1/](http://localhost:8000/v1/) verás el response de Flask:

```txt
Hello, World from Flask!
```

Y si vas a [http://localhost:8000/v2](http://localhost:8000/v2) verás el response de FastAPI:

```JSON
{
    "message": "Hello World"
}

El [Tutorial - Guía del usuario](../tutorial/index.md) principal debería ser suficiente para darte un recorrido por todas las funcionalidades principales de **FastAPI**.

En las siguientes secciones verás otras opciones, configuraciones y funcionalidades adicionales.

/// tip | Consejo

Las siguientes secciones **no son necesariamente "avanzadas"**.

Y es posible que para tu caso de uso, la solución esté en una de ellas.

    # via
    #   -r ci/official/requirements_updater/requirements.in
    #   jax
    #   keras-nightly
namex==0.0.8 \
    --hash=sha256:32a50f6c565c0bb10aa76298c959507abdc0e850efe085dc38f3440fcb3aa90b \
    --hash=sha256:7ddb6c2bb0e753a311b7590f84f6da659dd0c05e65cb89d519d54c0a250c0487
    # via keras-nightly
numpy==2.1.3 ; python_version <= "3.13" \

Verás la documentación automática de la API para la aplicación principal, incluyendo solo sus propias _path operations_:

<img src="/img/tutorial/sub-applications/image01.png">

Y luego, abre la documentación para la sub-aplicación, en [http://127.0.0.1:8000/subapi/docs](http://127.0.0.1:8000/subapi/docs).