Rufen Sie einen asynchronen Endpunkt auf - Amazon SageMaker

Die vorliegende Übersetzung wurde maschinell erstellt. Im Falle eines Konflikts oder eines Widerspruchs zwischen dieser übersetzten Fassung und der englischen Fassung (einschließlich infolge von Verzögerungen bei der Übersetzung) ist die englische Fassung maßgeblich.

Rufen Sie einen asynchronen Endpunkt auf

Rufen Sie Rückschlüsse aus dem Modell ab, das auf Ihrem asynchronen Endpunkt mit InvokeEndpointAsync gehostet wird.

Anmerkung

Falls Sie dies noch nicht getan haben, laden Sie Ihre Inferenzdaten (z. B. Modell für Machine Learning, Beispieldaten) auf Amazon S3 hoch.

Geben Sie in Ihrer Anfrage die folgenden Felder an:

  • Geben Sie für InputLocation den Speicherort Ihrer Inferenzdaten an.

  • Geben Sie für EndpointName den Namen Ihres Endpunktes an.

  • (Optional) Für InvocationTimeoutSeconds können Sie das maximale Timeout für die Anfragen festlegen. Sie können diesen Wert pro Anfrage auf ein Maximum von 3600 Sekunden (eine Stunde) festlegen. Wenn Sie dieses Feld in Ihrer Anfrage nicht angeben, wird das Zeitlimit für die Anfrage standardmäßig nach 15 Minuten überschritten.

# Create a low-level client representing Amazon SageMaker Runtime
sagemaker_runtime = boto3.client("sagemaker-runtime", region_name=<aws_region>)

# Specify the location of the input. Here, a single SVM sample
input_location = "s3://bucket-name/test_point_0.libsvm"

# The name of the endpoint. The name must be unique within an AWS Region in your AWS account. 
endpoint_name='<endpoint-name>'

# After you deploy a model into production using SageMaker hosting 
# services, your client applications use this API to get inferences 
# from the model hosted at the specified endpoint.
response = sagemaker_runtime.invoke_endpoint_async(
                            EndpointName=endpoint_name, 
                            InputLocation=input_location,
                            InvocationTimeoutSeconds=3600)

Sie erhalten eine Antwort als JSON Zeichenfolge mit Ihrer Anforderungs-ID und dem Namen des Amazon S3 S3-Buckets, der nach der Verarbeitung die Antwort auf den API Anruf erhalten wird.