Erstellen einer Endpunktkonfiguration

Sobald Sie ein Modell haben, erstellen Sie eine Endpunktkonfiguration mit CreateEndpointConfig. Amazon SageMaker AI Hosting Services verwendet diese Konfiguration zur Bereitstellung von Modellen. In der Konfiguration identifizieren Sie ein oder mehrere Modelle, die mit with erstellt wurden CreateModel, um die Ressourcen bereitzustellen, die Amazon SageMaker AI bereitstellen soll. Geben Sie das AsyncInferenceConfig Objekt an und geben Sie einen Amazon S3-Ausgabespeicherort für OutputConfig. Sie können optional SNSAmazon-Themen angeben, zu denen Benachrichtigungen über Prognoseergebnisse gesendet werden sollen. Weitere Informationen zu SNS Amazon-Themen finden Sie unter Amazon konfigurieren SNS.

Das folgende Beispiel zeigt, wie Sie eine Endpunktkonfiguration mit AWS SDK for Python (Boto3) erstellen:

import datetime
from time import gmtime, strftime

# Create an endpoint config name. Here we create one based on the date  
# so it we can search endpoints based on creation time.
endpoint_config_name = f"XGBoostEndpointConfig-{strftime('%Y-%m-%d-%H-%M-%S', gmtime())}"

# The name of the model that you want to host. This is the name that you specified when creating the model.
model_name='<The_name_of_your_model>'

create_endpoint_config_response = sagemaker_client.create_endpoint_config(
    EndpointConfigName=endpoint_config_name, # You will specify this name in a CreateEndpoint request.
    # List of ProductionVariant objects, one for each model that you want to host at this endpoint.
    ProductionVariants=[
        {
            "VariantName": "variant1", # The name of the production variant.
            "ModelName": model_name, 
            "InstanceType": "ml.m5.xlarge", # Specify the compute instance type.
            "InitialInstanceCount": 1 # Number of instances to launch initially.
        }
    ],
    AsyncInferenceConfig={
        "OutputConfig": {
            # Location to upload response outputs when no location is provided in the request.
            "S3OutputPath": f"s3://{s3_bucket}/{bucket_prefix}/output"
            # (Optional) specify Amazon SNS topics
            "NotificationConfig": {
                "SuccessTopic": "arn:aws:sns:aws-region:account-id:topic-name",
                "ErrorTopic": "arn:aws:sns:aws-region:account-id:topic-name",
            }
        },
        "ClientConfig": {
            # (Optional) Specify the max number of inflight invocations per instance
            # If no value is provided, Amazon SageMaker will choose an optimal value for you
            "MaxConcurrentInvocationsPerInstance": 4
        }
    }
)

print(f"Created EndpointConfig: {create_endpoint_config_response['EndpointConfigArn']}")

Im oben genannten Beispiel geben Sie die folgenden Schlüssel für OutputConfig für AsyncInferenceConfig Feld an:

Sie können in dem Feld auch das folgende optionale Argument für ClientConfig in AsyncInferenceConfig angeben: