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。

デプロイされたサービスから推論をリクエストする (Amazon SageMaker SDK)

次のコード例を使って、モデルのトレーニングに使ったフレームワークに応じてデプロイされたサービスから推論をリクエストします。異なるフレームワークのコード例は似ています。主な違いは、TensorFlow ではコンテンツタイプとして application/json が求められることです。

PyTorch と MXNet

PyTorch v1.4 以降または MXNet 1.7.0 以降を使用していて、Amazon SageMaker AI エンドポイント がある場合はInService、SageMaker Python SDK の predictorパッケージを使用して推論リクエストを行うことができます。

次のコード例は、これらの API を使って推論用のイメージを送信する方法を示しています。

from sagemaker.core.resources import Endpoint

endpoint_name = 'insert name of your endpoint here'

# Read image into memory
payload = None
with open("image.jpg", 'rb') as f:
    payload = f.read()

endpoint = Endpoint(endpoint_name=endpoint_name)
inference_response = endpoint.invoke(body=payload, content_type='application/x-image')
print(inference_response.body.read().decode('utf-8'))

TensorFlow

次のコード例は、SageMaker Python SDK API を使って推論用のイメージを送信する方法を示しています。

from sagemaker.core.resources import Endpoint
from PIL import Image
import numpy as np
import json

endpoint_name = 'insert the name of your endpoint here'

# Read image into memory
image = Image.open(input_file)
batch_size = 1
image = np.asarray(image.resize((224, 224)))
image = image / 128 - 1
image = np.concatenate([image[np.newaxis, :, :]] * batch_size)
body = json.dumps({"instances": image.tolist()})

endpoint = Endpoint(endpoint_name=endpoint_name)
inference_response = endpoint.invoke(body=body, content_type='application/json')
print(inference_response)