エンドポイントを呼び出す - Amazon SageMaker

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。

エンドポイントを呼び出す

注記

SageMaker エンドポイントをプログラムで呼び出す前に、Amazon SageMaker Canvas でモデルデプロイをテストすることをお勧めします。

本番環境の SageMaker エンドポイントにデプロイした Amazon SageMaker Canvas モデルは、アプリケーションで使用できます。他のSageMaker リアルタイムエンドポイント を呼び出すのと同じ方法で、エンドポイントをプログラムで呼び出します。エンドポイントを呼び出すと、 で説明されているのと同じフィールドを含むレスポンスオブジェクトがプログラムで返されますデプロイをテストする。

エンドポイントをプログラムで呼び出す方法の詳細については、「」を参照してくださいリアルタイム推論用のモデルを呼び出す。

次の Python の例は、モデルタイプに基づいてエンドポイントを呼び出す方法を示しています。

次の例は、エンドポイントにデプロイした JumpStart 基盤モデルを呼び出す方法を示しています。

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"
)

次の例は、数値予測モデルまたはカテゴリ予測モデルを呼び出す方法を示しています。

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"
)

次の例は、時系列予測モデルを呼び出す方法を示しています。時系列予測モデルをテストして呼び出す方法の完全な例については、「Amazon SageMaker Autopilot を使用した時系列予測」を参照してください。

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"
)

次の例は、画像予測モデルを呼び出す方法を示しています。

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"
    )

次の例は、テキスト予測モデルを呼び出す方法を示しています。

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"
)