Spiegabilità online con Clarify SageMaker - Amazon SageMaker
Come funziona

Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

Spiegabilità online con Clarify SageMaker

Questa guida mostra come configurare la spiegabilità online con Clarify. SageMaker Con gli endpoint di inferenza SageMaker in tempo reale, è possibile analizzare la spiegabilità in tempo reale, in modo continuo. La funzione di spiegabilità online si inserisce nella parte Deploy to production del flusso di lavoro di Amazon SageMaker Machine Learning.

Come funziona la spiegabilità online di Clarify

L'immagine seguente illustra l' SageMaker architettura per l'hosting di un endpoint che serve richieste di spiegabilità. Descrive le interazioni tra un endpoint, il contenitore del modello e lo strumento esplicativo Clarify. SageMaker

SageMaker architettura che mostra l'hosting di un endpoint che fornisce richieste di spiegabilità su richiesta.

Ecco come funziona la spiegabilità online di Clarify. L'applicazione invia una richiesta in REST stile -style al Runtime InvokeEndpoint Service. SageMaker Il servizio indirizza questa richiesta a un SageMaker endpoint per ottenere previsioni e spiegazioni. Il servizio riceve la risposta dall'endpoint. Infine, il servizio invia la risposta all'applicazione.

Per aumentare la disponibilità degli endpoint, tenta SageMaker automaticamente di distribuire le istanze degli endpoint in più zone di disponibilità, in base al numero di istanze nella configurazione dell'endpoint. Su un'istanza di endpoint, su una nuova richiesta di spiegabilità, lo strumento esplicativo di SageMaker Clarify richiama il contenitore del modello per le previsioni. Quindi calcola e restituisce le attribuzioni delle caratteristiche.

Ecco i quattro passaggi per creare un endpoint che utilizzi la spiegabilità online di Clarify: SageMaker

  1. Verifica se il tuo SageMaker modello pre-addestrato è compatibile con la spiegabilità online seguendo i passaggi di verifica preliminare.

  2. Crea una configurazione dell'endpoint con la configurazione esplicativa di SageMaker Clarify utilizzando. CreateEndpointConfig API

  3. Crea un endpoint e fornisci la configurazione dell'endpoint per utilizzare. SageMaker CreateEndpoint API Il servizio avvia l'istanza di calcolo ML e distribuisce il modello come specificato nella configurazione.

  4. Richiama l'endpoint: dopo che l'endpoint è in servizio, chiama il SageMaker Runtime API InvokeEndpoint per inviare richieste all'endpoint. L'endpoint restituisce quindi spiegazioni e previsioni.