在明确了如何使用 Pydantic 定义和验证数据结构后，下一步就是将机器学习 (machine learning)模型本身集成到你的 FastAPI 应用程序中。本章将介绍如何连接已训练模型与实时 API 端点的具体实践。

你将学习以下方法：

• 将训练好的模型序列化以便存储，并反序列化以便使用。
• 在 FastAPI 应用程序生命周期内高效加载模型文件。
• 创建专门用于接收输入数据并返回模型预测结果的 API 端点。
• 管理与你的应用程序相关的模型文件（artifacts）。
• 使用 FastAPI 的依赖注入机制为预测逻辑提供模型。

在本章结束时，你将能够构建可用的 API 端点，从你训练的机器学习模型提供预测服务。