Panggil titik akhir Anda - Amazon SageMaker

Terjemahan disediakan oleh mesin penerjemah. Jika konten terjemahan yang diberikan bertentangan dengan versi bahasa Inggris aslinya, utamakan versi bahasa Inggris.

Panggil titik akhir Anda

catatan

Kami menyarankan Anda menguji penerapan model Anda di Amazon SageMaker Canvas sebelum menjalankan SageMaker endpoint secara terprogram.

Anda dapat menggunakan model Amazon SageMaker Canvas yang telah Anda terapkan ke SageMaker titik akhir dalam produksi dengan aplikasi Anda. Panggil titik akhir secara terprogram dengan cara yang sama seperti Anda memanggil titik akhir real-time lainnya. SageMaker Memanggil titik akhir secara terprogram mengembalikan objek respons yang berisi bidang yang sama yang dijelaskan dalam. Uji penerapan Anda

Untuk informasi lebih rinci tentang cara memanggil titik akhir secara terprogram, lihat. Memanggil model untuk inferensi waktu nyata

Contoh Python berikut menunjukkan cara memanggil endpoint Anda berdasarkan jenis model.

Contoh berikut menunjukkan cara memanggil model JumpStart foundation yang telah Anda terapkan ke titik akhir.

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame(
    [['feature_column1', 'feature_column2'], 
    ['feature_column1', 'feature_column2']]
).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

Contoh berikut menunjukkan cara memanggil model prediksi numerik atau kategoris.

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame(['feature_column1', 'feature_column2'], ['feature_column1', 'feature_column2']).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

Contoh berikut menunjukkan kepada Anda cara memanggil model peramalan deret waktu. Untuk contoh lengkap tentang cara menguji pemanggilan model peramalan deret waktu, lihat Peramalan Seri Waktu dengan Amazon Autopilot. SageMaker 

import boto3
import pandas as pd

csv_path = './real-time-payload.csv'
data = pd.read_csv(csv_path)

client = boto3.client("runtime.sagemaker")

body = data.to_csv(index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

Contoh berikut menunjukkan cara memanggil model prediksi gambar.

import boto3
client = boto3.client("runtime.sagemaker")
with open("example_image.jpg", "rb") as file:
    body = file.read()
    response = client.invoke_endpoint(
        EndpointName="endpoint_name",
        ContentType="application/x-image",
        Body=body,
        Accept="application/json"
    )

Contoh berikut menunjukkan cara memanggil model prediksi teks.

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame([["Example text 1"], ["Example text 2"]]).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)