labels.facet_timestamp_title=Periode
labels.facet_timestamp_1day=Afgelopen 24 uur
labels.facet_timestamp_1week=Afgelopen week
labels.facet_timestamp_1month=Afgelopen maand
labels.facet_timestamp_1year=Afgelopen jaar
labels.facet_timestamp_3month=Afgelopen 3 maanden
labels.facet_timestamp_6month=Afgelopen 6 maanden
labels.facet_timestamp_2year=Afgelopen 2 jaar
labels.facet_timestamp_3year=Afgelopen 3 jaar
labels.facet_contentLength_title=Grootte

LT",lastDay:"[Gister om] LT",lastWeek:"[Laas] dddd [om] LT",sameElse:"L"},relativeTime:{future:"oor %s",past:"%s gelede",s:"'n paar sekondes",ss:"%d sekondes",m:"'n minuut",mm:"%d minute",h:"'n uur",hh:"%d ure",d:"'n dag",dd:"%d dae",M:"'n maand",MM:"%d maande",y:"'n jaar",yy:"%d jaar"},dayOfMonthOrdinalParse:/\d{1,2}(ste|de)/,ordinal:function(e){return e+(1===e||8===e||20<=e?"ste":"de")},week:{dow:1,doy:4}});function es(e){return 0===e?0:1===e?1:2===e?2:3<=e%100&&e%100<=10?3:11<=e%100?4:5}function...

,EAAAA,QAAE,QACIoT,aAAaK,QAAb,WAAgC2B,MAEhChR,GACd1C,KAAKkC,SAASgS,wBAChBhO,EAAMtC,SAAS,mBAAmBA,SAASlB,IAAsB+B,MAAM,IAAIC,OAAM,WAC/EpG,EAAAA,QAAE0B,MAAMgE,YAAY,mBACpB1F,EAAAA,QAAE0B,MAAM4E,aAGVsB,EAAMtC,SAASlB,IAER1C,KAAKkC,SAASgS,wBACvBhO,EAAMtC,SAAS,mBAAmBI,YAAYtB,IAAsB+B,MAAM,IAAIC,OAAM,WAClFpG,EAAAA,QAAE0B,MAAMgE,YAAY,mBACpB1F,EAAAA,QAAE0B,MAAM4E,aAGVsB,EAAMlC,YAAYtB,QAMtBd,MAAA,WAAQ,IAAAC,EAAA7B,KACNA,KAAKsU,WACLtU,KAAKqU,eAEL/V,EAAAA,QAAEwI,QAAQC,QAAO,WACflF,EAAKwS,cAAa,SAItBzT,YAAA,WAAc,I...

* **Machine Learning**: Normalmente exige muita multiplicação de matrizes e vetores. Pense numa grande planilha com números e em multiplicar todos eles juntos e ao mesmo tempo.

* **Deep Learning**: Esse é um subcampo do Machine Learning, então, o mesmo se aplica. A diferença é que não há apenas uma grande planilha com números para multiplicar, mas um grande conjunto delas, e em muitos casos, você utiliza um processador especial para construir e/ou usar esses modelos.

Como parte disso, eu precisava investigar, testar e usar muitas alternativas.

A história do **FastAPI** é, em grande parte, a história de seus predecessores.

Como dito na seção [Alternativas](alternatives.md){.internal-link target=_blank}:

<blockquote markdown="1">

**FastAPI** não existiria se não pelo trabalho anterior de outros.

O resultado de chamar a função é algo que pode ser codificado com o padrão do Python <a href="https://docs.python.org/3/library/json.html#json.dumps" class="external-link" target="_blank">`json.dumps()`</a>.

A função não retorna um grande `str` contendo os dados no formato JSON (como uma string). Mas sim, retorna uma estrutura de dados padrão do Python (por exemplo, um `dict`) com valores e subvalores compatíveis com JSON.

/// note | Nota

## Container Images { #container-images }

Docker has been one of the main tools to create and manage **container images** and **containers**.

And there's a public <a href="https://hub.docker.com/" class="external-link" target="_blank">Docker Hub</a> with pre-made **official container images** for many tools, environments, databases, and applications.

/// tip | Dica

Adicionando o `standard`, o Uvicorn instalará e usará algumas dependências extras recomendadas.

Isso inclui o `uvloop`, a substituição de alto desempenho para `asyncio`, que fornece um grande aumento de desempenho de concorrência.

Quando você instala o FastAPI com algo como `pip install "fastapi[standard]"`, você já obtém `uvicorn[standard]` também.

///

## Execute o Programa Servidor

    * De ce fait, en utilisant FastAPI on minimise le temps de développement, les bugs, le nombre de lignes de code, et on obtient les mêmes performances (si ce n'est de meilleurs performances) que...

memória, por exemplo, um modelo de aprendizado de máquina em uma variável, ou o conteúdo de um arquivo grande em uma variável, tudo isso **consome um pouco da memória (RAM)** do servidor.

E vários processos normalmente **não compartilham nenhuma memória**. Isso significa que cada processo em execução tem suas próprias coisas, variáveis ​​e memória. E se você estiver consumindo uma grande quantidade de memória em seu código, **cada processo** consumirá uma quantidade equivalente de memória....