Les traductions sont fournies par des outils de traduction automatique. En cas de conflit entre le contenu d'une traduction et celui de la version originale en anglais, la version anglaise prévaudra.

# Exemple de code pour l’inférence par lots
<a name="batch-inference-example"></a>

L’exemple de code présenté dans ce chapitre montre comment créer une tâche d’inférence par lots, afficher les informations la concernant et l’arrêter. Cet exemple utilise le format `InvokeModel` API. Pour plus d'informations sur l'utilisation du format `Converse` API, consultez[Mise en forme et chargement des données d’inférence par lots](batch-inference-data.md).

Sélectionnez une langue pour voir un exemple de code correspondant :

------
#### [ Python ]

Créez un fichier JSONL nommé *abc.jsonl* et incluez un objet JSON pour chaque enregistrement contenant au moins le nombre minimum d'enregistrements (voir le **nombre minimum d'enregistrements par tâche d'inférence par lots pour**). *\$1Model\$1* [Quotas pour Amazon Bedrock](quotas.md) Dans cet exemple, vous allez utiliser le modèle Anthropic Claude 3 Haiku. L’exemple suivant présente le premier fichier JSON d’entrée dans le fichier :

```
{
    "recordId": "CALL0000001", 
    "modelInput": {
        "anthropic_version": "bedrock-2023-05-31", 
        "max_tokens": 1024,
        "messages": [ 
            { 
                "role": "user", 
                "content": [
                    {
                        "type": "text", 
                        "text": "Summarize the following call transcript: ..." 
                    } 
                ]
            }
        ]
    }
}
... 
# Add records until you hit the minimum
```

Créez un compartiment S3 appelé *amzn-s3-demo-bucket-input* et chargez-y le fichier. Créez ensuite un compartiment S3 appelé *amzn-s3-demo-bucket-output* pour y écrire vos fichiers de sortie. Exécutez l'extrait de code suivant pour soumettre une tâche et obtenir *jobArn* la réponse :

```
import boto3

bedrock = boto3.client(service_name="bedrock")

inputDataConfig=({
    "s3InputDataConfig": {
        "s3Uri": "s3://amzn-s3-demo-bucket-input/abc.jsonl"
    }
})

outputDataConfig=({
    "s3OutputDataConfig": {
        "s3Uri": "s3://amzn-s3-demo-bucket-output/"
    }
})

response=bedrock.create_model_invocation_job(
    roleArn="arn:aws:iam::123456789012:role/MyBatchInferenceRole",
    modelId="anthropic.claude-3-haiku-20240307-v1:0",
    jobName="my-batch-job",
    inputDataConfig=inputDataConfig,
    outputDataConfig=outputDataConfig
)

jobArn = response.get('jobArn')
```

Renvoyez le `status` de la tâche.

```
bedrock.get_model_invocation_job(jobIdentifier=jobArn)['status']
```

Répertoriez les tâches d'inférence par lots qui*Failed*.

```
bedrock.list_model_invocation_jobs(
    maxResults=10,
    statusEquals="Failed",
    sortOrder="Descending"
)
```

Arrêtez la tâche que vous avez commencée.

```
bedrock.stop_model_invocation_job(jobIdentifier=jobArn)
```

------