Pra-periksa permintaan titik akhir dan respons untuk data deret waktu - Amazon SageMaker

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

Pra-periksa permintaan titik akhir dan respons untuk data deret waktu

Anda disarankan untuk menerapkan model Anda ke titik akhir inferensi SageMaker real-time dan mengirim permintaan ke titik akhir. Periksa permintaan dan tanggapan secara manual untuk memastikan bahwa keduanya sesuai dengan persyaratan di Respon titik akhir untuk data deret waktu bagian Permintaan titik akhir untuk data deret waktu dan. Jika wadah model Anda mendukung permintaan batch, Anda dapat memulai dengan satu permintaan rekaman dan kemudian mencoba dua atau lebih catatan.

Perintah berikut menunjukkan cara meminta respons menggunakan AWS CLI. AWS CLI Ini sudah diinstal sebelumnya di instans Studio dan SageMaker Notebook. Untuk menginstal AWS CLI, ikuti panduan instalasi.

aws sagemaker-runtime invoke-endpoint \
  --endpoint-name $ENDPOINT_NAME \
  --content-type $CONTENT_TYPE \
  --accept $ACCEPT_TYPE \
  --body $REQUEST_DATA \
  $CLI_BINARY_FORMAT \
  /dev/stderr 1>/dev/null

Parameter didefinisikan sebagai berikut:

  • $ ENDPOINT NAME — Nama titik akhir.

  • $ CONTENT _ TYPE — MIME Jenis permintaan (input wadah model).

  • $ ACCEPT _ TYPE — MIME Jenis respon (model container output).

  • $ REQUEST _ DATA — String payload yang diminta.

  • $ CLI BINARY _ _ FORMAT — Format parameter antarmuka baris perintah (CLI). Untuk AWS CLI v1, parameter ini harus tetap kosong. Untuk v2, parameter ini harus diatur ke--cli-binary-format raw-in-base64-out.

catatan

AWS CLI v2 melewati parameter biner sebagai string yang dikodekan base64 secara default. Contoh permintaan dan respons berikut ke dan dari titik akhir menggunakan AWS CLI v1.

Example 1

Dalam contoh kode berikut, permintaan terdiri dari satu catatan.

aws sagemaker-runtime invoke-endpoint \
  --endpoint-name test-endpoint-json \
  --content-type application/json \
  --accept application/json \
  --body '{"target": [1, 2, 3, 4, 5],
    "start": "2024-01-01 01:00:00"}' \
/dev/stderr 1>/dev/null

Cuplikan berikut menunjukkan output respons yang sesuai.

{'predictions': {'mean': [1, 2, 3, 4, 5]}
Example 2

Dalam contoh kode berikut, permintaan berisi dua catatan.

aws sagemaker-runtime invoke-endpoint \
  --endpoint-name test-endpoint-json-2 \
  --content-type application/json \
  --accept application/json \
  --body $'{"instances": [{"target":[1, 2, 3],
    "start":"2024-01-01 01:00:00",
    "dynamic_feat":[[1, 2, 3, 4, 5],
        [1, 2, 3, 4, 5]]}], {"target":[1, 2, 3],
    "start":"2024-01-02 01:00:00",
    "dynamic_feat":[[1, 2, 3, 4, 5],
        [1, 2, 3, 4, 5]]}]}' \
dev/stderr 1>/dev/null

Output respon adalah sebagai berikut:

{'predictions': [{'mean': [1, 2, 3, 4, 5]}, {'mean': [1, 2, 3, 4, 5]}]}