我正在使用FAST API进行ML模型的预测。当我给出一个任务id并输入时，它应该把它添加到后台任务中，并相应地返回响应，但当我尝试这样做时，得到的结果是Error 500。 添加task_id_globally后，它在正常工作之前就开始抛出错误。 Error

  File ".appmain.py", line 36, in post
    return {'result': response_name[task_id_global]}
TypeError: list indices must be integers or slices, not NoneType

task_id_global = None
@app.get('/predict')
async def predict(task_id:int, background_tasks: BackgroundTasks,solute,solvent):
    task_id_global = task_id
    if task_id == 0:
        background_tasks.add_task(predictions,solute,solvent)
        return {'success'}
    elif task_id == 1:
        background_tasks.add_task(predictions_two,solute)
        return {'success'}
    else:
        return "Give proper task_id"
    
response_name = [response, attach_drug_name()]

@app.get('/predict_solubility')
async def post():
    return {'result': response_name[task_id_global]}

推荐答案

您已将task_id_global设置为None，因此，当调用/predict_solubility终结点时，它试图使用response_name[None]从列表中检索元素；因此，出现错误。因此，您应该将task_id_global设置为0，它应该指向response_name列表中的某个缺省值--即使还没有调用/predict终结点--或者在第二个终结点内部执行检查，以确定task_id_global是否不是None，然后决定是否继续从列表中检索项。接下来，在/predict内部终结点在使用task_id_global之前将task_id_global声明为全局变量(使用global关键字)，因为按照当前声明的方式，它被解释为局部变量，因此，全局变量永远不会受到终结点内部task_id_global发生的任何更改的影响(查看here)。

task_id_global = None

@app.get('/predict')
async def predict(task_id:int,solute,solvent):
    global task_id_global
    task_id_global = task_id
    ...

此外，根据您的任务(例如，如果您有多个请求同时访问该全局变量)，您可能需要考虑其他选项，例如Redis。