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.
Das Beispiel im vorherigen Abschnitt war für AWS CLI v2. In den folgenden Anforderungs- und Antwortbeispielen zum und vom Endpunkt wird AWS CLI v1 verwendet.
Im folgenden Codebeispiel besteht die Anfrage aus einem einzigen Datensatz und die Antwort ist deren Wahrscheinlichkeitswert.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-sagemaker-xgboost-model \
--content-type text/csv \
--accept text/csv \
--body '1,2,3,4' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
0.6Im folgenden Codebeispiel besteht die Anforderung aus zwei Datensätzen, und die Antwort umfasst deren Wahrscheinlichkeiten, die durch ein Komma getrennt sind.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-sagemaker-xgboost-model \
--content-type text/csv \
--accept text/csv \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullDer $'content' Ausdruck im vorherigen Codebeispiel --body weist den Befehl an, den Inhalt als Zeilenumbruch zu interpretieren '\n'. Es folgt die Antwortausgabe.
0.6,0.3Im folgenden Codebeispiel besteht die Anfrage aus zwei Datensätzen. Die Antwort beinhaltet deren Wahrscheinlichkeiten, getrennt durch einen Zeilenumbruch.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-1 \
--content-type text/csv \
--accept text/csv \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
0.6
0.3
Im folgenden Codebeispiel besteht die Anforderung aus einem einzigen Datensatz, und die Antwort besteht aus Wahrscheinlichkeitswerten aus einem Mehrklassenmodell, das drei Klassen enthält.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-1 \
--content-type text/csv \
--accept text/csv \
--body '1,2,3,4' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
0.1,0.6,0.3Im folgenden Codebeispiel besteht die Anforderung aus zwei Datensätzen, und die Antwort enthält deren Wahrscheinlichkeitswerte aus einem Mehrklassenmodell, das drei Klassen enthält.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-1 \
--content-type text/csv \
--accept text/csv \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
0.1,0.6,0.3
0.2,0.5,0.3
Im folgenden Codebeispiel besteht die Anfrage aus zwei Datensätzen, und die Antwort umfasst die vorhergesagte Beschriftung und die Wahrscheinlichkeit.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-2 \
--content-type text/csv \
--accept text/csv \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
1,0.6
0,0.3
Im folgenden Codebeispiel besteht die Anforderung aus zwei Datensätzen und die Antwort enthält Beschriftung -Header und Wahrscheinlichkeiten.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-3 \
--content-type text/csv \
--accept text/csv \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
"['cat','dog','fish']","[0.1,0.6,0.3]"
"['cat','dog','fish']","[0.2,0.5,0.3]"
Im folgenden Codebeispiel besteht die Anfrage aus einem einzigen Datensatz und die Antwort ist deren Wahrscheinlichkeitswert.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-jsonlines \
--content-type application/jsonlines \
--accept application/jsonlines \
--body '{"features":["This is a good product",5]}' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
{"score":0.6}Im folgenden Codebeispiel enthält die Anfrage zwei Datensätze, und die Antwort umfasst die vorhergesagte Beschriftung und die Wahrscheinlichkeit.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-jsonlines-2 \
--content-type application/jsonlines \
--accept application/jsonlines \
--body $'{"features":[1,2,3,4]}\n{"features":[5,6,7,8]}' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
{"predicted_label":1,"probability":0.6}
{"predicted_label":0,"probability":0.3}
Im folgenden Codebeispiel enthält die Anforderung zwei Datensätze, und die Antwort enthält Beschriftung-Header und Wahrscheinlichkeiten.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-jsonlines-3 \
--content-type application/jsonlines \
--accept application/jsonlines \
--body $'{"data":{"features":[1,2,3,4]}}\n{"data":{"features":[5,6,7,8]}}' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
{"predicted_labels":["cat","dog","fish"],"probabilities":[0.1,0.6,0.3]}
{"predicted_labels":["cat","dog","fish"],"probabilities":[0.2,0.5,0.3]}
Im folgenden Codebeispiel ist die Anfrage im CSV-Format und die Antwort im Format JSON Lines.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-in-jsonlines-out \
--content-type text/csv \
--accept application/jsonlines \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
{"probability":0.6}
{"probability":0.3}
Im folgenden Codebeispiel ist die Anfrage im Format JSON Lines und die Antwort im CSV-Format.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-jsonlines-in-csv-out \
--content-type application/jsonlines \
--accept text/csv \
--body $'{"features":[1,2,3,4]}\n{"features":[5,6,7,8]}' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
0.6
0.3
Im folgenden Codebeispiel ist die Anfrage im CSV-Format und die Antwort im JSON-Format.
aws sagemaker-runtime invoke-endpoint \
--endpoint-name test-endpoint-csv-in-jsonlines-out \
--content-type text/csv \
--accept application/jsonlines \
--body $'1,2,3,4\n5,6,7,8' \
/dev/stderr 1>/dev/nullAus dem vorherigen Codebeispiel folgt die Antwortausgabe.
{"predictions":[{"label":1,"score":0.6},{"label":0,"score":0.3}]}