翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。

予測結果をチェックする

非同期エンドポイントからの予測結果をチェックする方法は複数あります。一部のオプションは次のとおりです。

Amazon SNS トピック

Amazon SNSは、メッセージング指向のアプリケーション向けの通知サービスであり、複数のサブスクライバーが、、Amazon HTTP、E メールなど、選択したトランスポートプロトコルを介してタイムクリティカルなメッセージの「プッシュ」通知をリクエストSQSおよび受信します。Amazon SageMaker Asynchronous Inference は、 を使用してエンドポイントを作成し、Amazon SNSトピックを指定するときに通知を投稿CreateEndpointConfigします。

Amazon を使用して非同期エンドポイントからの予測結果SNSを確認するには、まずトピックを作成し、トピックをサブスクライブして、トピックへのサブスクリプションを確認し、そのトピックの Amazon リソースネーム (ARN) をメモする必要があります。Amazon SNSトピックARNの Amazon を作成、サブスクライブ、検索する方法の詳細については、「Amazon の設定SNS」を参照してください。

でエンドポイント設定を作成するときに、 AsyncInferenceConfigフィールドに Amazon SNSトピック ARN（複数可) を指定しますCreateEndpointConfig。Amazon SNSErrorTopicと の両方を指定できますSuccessTopic。

import boto3

sagemaker_client = boto3.client('sagemaker', region_name=<aws_region>)

sagemaker_client.create_endpoint_config(
    EndpointConfigName=<endpoint_config_name>, # You specify this name in a CreateEndpoint request.
    # List of ProductionVariant objects, one for each model that you want to host at this endpoint.
    ProductionVariants=[
        {
            "VariantName": "variant1", # The name of the production variant.
            "ModelName": "model_name", 
            "InstanceType": "ml.m5.xlarge", # Specify the compute instance type.
            "InitialInstanceCount": 1 # Number of instances to launch initially.
        }
    ],
    AsyncInferenceConfig={
        "OutputConfig": {
            # Location to upload response outputs when no location is provided in the request.
            "S3OutputPath": "s3://<bucket>/<output_directory>"
            "NotificationConfig": {
                "SuccessTopic": "arn:aws:sns:aws-region:account-id:topic-name",
                "ErrorTopic": "arn:aws:sns:aws-region:account-id:topic-name",
            }
        }
    }
)

エンドポイントを作成して呼び出すと、Amazon SNSトピックから通知が送信されます。例えば、トピックから E メール通知を受信するようにサブスクライブした場合、エンドポイントを呼び出すたびに E メール通知を受け取ります。次の例は、呼び出しに成功した E メール通知JSONの内容を示しています。

{
   "awsRegion":"us-east-1",
   "eventTime":"2022-01-25T22:46:00.608Z",
   "receivedTime":"2022-01-25T22:46:00.455Z",
   "invocationStatus":"Completed",
   "requestParameters":{
      "contentType":"text/csv",
      "endpointName":"<example-endpoint>",
      "inputLocation":"s3://<bucket>/<input-directory>/input-data.csv"
   },
   "responseParameters":{
      "contentType":"text/csv; charset=utf-8",
      "outputLocation":"s3://<bucket>/<output_directory>/prediction.out"
   },
   "inferenceId":"11111111-2222-3333-4444-555555555555", 
   "eventVersion":"1.0",
   "eventSource":"aws:sagemaker",
   "eventName":"InferenceResult"
}

S3 バケットをチェックする

InvokeEndpointAsync を使用してエンドポイントを呼び出すと、レスポンスオブジェクトが返されます。レスポンスオブジェクトを使用して、出力が保存されURIている Amazon S3 を取得できます。出力場所では、Python SDK SageMaker AI SageMaker セッションクラスを使用して、出力で をプログラムでチェックできます。

次の例では、InvokeEndpointAsync の出力ディクショナリを response という名前の変数として保存します。レスポンス変数を使用すると、Amazon S3 出力を取得しURI、 という文字列変数として保存しますoutput_location。

import uuid
import boto3

sagemaker_runtime = boto3.client("sagemaker-runtime", region_name=<aws_region>)

# Specify the S3 URI of the input. Here, a single SVM sample
input_location = "s3://bucket-name/test_point_0.libsvm" 

response = sagemaker_runtime.invoke_endpoint_async(
    EndpointName='<endpoint-name>',
    InputLocation=input_location,
    InferenceId=str(uuid.uuid4()), 
    ContentType="text/libsvm" #Specify the content type of your data
)

output_location = response['OutputLocation']
print(f"OutputLocation: {output_location}")

サポートされるコンテンツタイプについては、「推論の共通データ形式」を参照してください。

Amazon S3 の出力場所では、SageMaker Python SDK SageMaker AI セッションクラスを使用して Amazon S3 ファイルを読み取ることができます。次のコード例は、Amazon S3 出力場所からファイルの読み取りを繰り返し試みる関数 (get_ouput) を作成する方法を示しています。

import sagemaker
import urllib, time
from botocore.exceptions import ClientError

sagemaker_session = sagemaker.session.Session()

def get_output(output_location):
    output_url = urllib.parse.urlparse(output_location)
    bucket = output_url.netloc
    key = output_url.path[1:]
    while True:
        try:
            return sagemaker_session.read_s3_file(
                                        bucket=output_url.netloc, 
                                        key_prefix=output_url.path[1:])
        except ClientError as e:
            if e.response['Error']['Code'] == 'NoSuchKey':
                print("waiting for output...")
                time.sleep(2)
                continue
            raise
            
output = get_output(output_location)
print(f"Output: {output}")