evren-sdk 0.3.0

EVREN MLOps Platform — Python inference SDK for object detection, classification, and segmentation models.

evren-sdk

EVREN platformu üzerinde eğitilmiş bilgisayarlı görü modellerine Python'dan çıkarım (inference) yapmanızı sağlayan resmi SDK.

Desteklenen görevler: nesne tespiti, sınıflandırma, segmentasyon, döndürülmüş kutu (OBB), anahtar nokta (keypoint).

pip install evren-sdk

Hızlı Başlangıç

from evren_sdk import EvrenClient

client = EvrenClient(api_key="evren_xxxxx")

result = client.predict("kullanici/model-adi", "foto.jpg", confidence=0.3)

for det in result.predictions:
    print(f"{det.class_name}: %{det.confidence:.0%}  bbox={det.bbox}")

print(f"Çıkarım süresi: {result.inference_ms:.0f} ms")

Kimlik Doğrulama

Platformda Ayarlar → API Anahtarları sayfasından anahtar oluşturun. Anahtar evren_ ön eki ile başlar ve X-API-Key başlığı üzerinden otomatik gönderilir.

# API anahtarı ile (önerilen)
client = EvrenClient(api_key="evren_xxxxx")

# JWT token ile de çalışır (Authorization: Bearer)
client = EvrenClient(api_key="eyJhbGci...")

Tekil Çıkarım

result = client.predict(
    model="kullanici/model-adi",        # slug veya UUID
    image="resim.jpg",                  # dosya yolu, Path veya bytes
    confidence=0.25,                    # minimum güven eşiği
    iou=0.45,                           # NMS IoU eşiği
    image_size=640,                     # giriş boyutu
    classes=["araba", "insan"],         # isteğe bağlı sınıf filtresi
)

model parametresi üç format kabul eder:

Format	Açıklama
"owner/slug"	Son versiyonu otomatik çözer
"owner/slug:v2.0"	Belirli versiyon etiketi
"019cec..." (UUID)	Doğrudan versiyon kimliği

Toplu Çıkarım (Batch)

Birden fazla görseli tek istekte GPU batch çıkarımı ile işleyin. Tekil çağrılardan önemli ölçüde hızlıdır.

batch = client.predict_batch(
    model="kullanici/model-adi",
    images=["img1.jpg", "img2.jpg", "img3.jpg"],
    confidence=0.3,
)

for r in batch:
    print(f"{r.count} tespit, {r.inference_ms:.0f} ms")

print(f"Toplam: {batch.total_ms:.0f} ms, {batch.count} görsel")

Model Bilgileri

# Sınıf listesi ve renkleri
info = client.model_classes("kullanici/model-adi")
print(info.architecture)  # "yolo26x"
for cls in info.classes:
    print(f"  {cls.name}: {cls.color}")

# Modelleri listele
for m in client.list_models():
    print(f"{m.full_slug} — {m.architecture}")

Ön Yükleme (Warmup)

İlk çıkarım gecikmesini ortadan kaldırmak için modelleri önceden GPU'ya yükleyin.

client.warmup(["kullanici/model-adi", "diger/model"])

Asenkron Kullanım

Aynı API, async/await ile:

import asyncio
from evren_sdk import AsyncEvrenClient

async def main():
    async with AsyncEvrenClient(api_key="evren_xxxxx") as client:
        result = await client.predict("kullanici/model-adi", "foto.jpg")
        batch = await client.predict_batch(
            "kullanici/model-adi",
            ["a.jpg", "b.jpg"],
        )
        print(result.predictions, batch.count)

asyncio.run(main())

Hata Yönetimi

from evren_sdk import (
    EvrenClient, NotFoundError,
    RateLimitError, InferenceError,
)
import time

client = EvrenClient(api_key="evren_xxxxx")

try:
    result = client.predict("kullanici/model", "test.jpg")
except NotFoundError:
    print("Model bulunamadı")
except RateLimitError as e:
    time.sleep(e.retry_after)
except InferenceError:
    print("GPU sunucusu geçici olarak kullanılamıyor")

Exception	HTTP	Açıklama
AuthenticationError	401, 403	Geçersiz veya süresi dolmuş anahtar
NotFoundError	404	Model veya versiyon bulunamadı
ValidationError	422	Hatalı parametre
RateLimitError	429	İstek limiti aşıldı
InferenceError	502, 503	GPU sunucusu hatası

Veri Modelleri

Sınıf	Temel Alanlar
PredictResult	predictions, inference_ms, image_width, image_height, count
Prediction	class_name, confidence, bbox, color, mask, keypoints, obb
BatchResult	results, total_ms, count — iterable
ModelClasses	classes, architecture, model_name, imgsz — in operatörü destekler
ModelInfo	id, name, slug, architecture, full_slug
ModelVersion	id, version_tag, framework, metrics

Gereksinimler

• Python ≥ 3.10
• httpx ≥ 0.27

Lisans

Apache License 2.0