기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
이 안내서는 SageMaker Clatify를 사용하여 온라인 설명 가능성을 구성하는 방법을 보여줍니다. SageMaker AI 실시간 추론 엔드포인트를 사용하면 설명 가능성을 실시간으로 지속적으로 분석할 수 있습니다. 온라인 설명 함수는 Amazon SageMaker AI Machine Learning 워크플로의 프로덕션에 배포 부분에 적합합니다.
Clarify 온라인 설명 가능성의 작동 방식
다음 그림은 설명 가능성 요청을 처리하는 엔드포인트를 호스팅하기 위한 SageMaker AI 아키텍처를 보여줍니다. 엔드포인트, 모델 컨테이너, SageMaker Clarify 설명자 간의 상호 작용을 보여줍니다.
Clarify 온라인 설명 가능성의 작동 원리는 다음과 같습니다. 애플리케이션은 SageMaker AI 런타임 서비스에 REST 스타일 InvokeEndpoint 요청을 보냅니다. 서비스는이 요청을 SageMaker AI 엔드포인트로 라우팅하여 예측 및 설명을 가져옵니다. 그러면 서비스가 엔드포인트에서 응답을 수신합니다. 마지막으로, 서비스가 응답을 애플리케이션으로 다시 보냅니다.
엔드포인트 가용성을 높이기 위해 SageMaker AI는 엔드포인트 구성의 인스턴스 수에 따라 여러 가용 영역에 엔드포인트 인스턴스를 자동으로 배포하려고 시도합니다. 엔드포인트 인스턴스에서 새로운 설명 가능성 요청 시 SageMaker Clarify 설명자는 예측을 위해 모델 컨테이너를 직접 호출합니다. 그런 다음 기능 속성을 계산하고 반환합니다.
SageMaker Clatify의 온라인 설명 가능성을 사용하는 엔드포인트를 생성하는 4단계는 다음과 같습니다.
-
사전 확인 단계에 따라 사전 훈련된 SageMaker AI 모델이 온라인 설명 가능성과 호환되는지 확인합니다.
-
CreateEndpointConfigAPI를 사용하여 SageMaker Clarify의 설명자 구성과 함께 엔드포인트 구성을 생성합니다. -
CreateEndpointAPI를 사용하여 엔드포인트를 생성하고 엔드포인트 구성을 SageMaker AI에 제공합니다. 서비스는 ML 컴퓨팅 인스턴스를 시작하고 구성에서 지정된 대로 모델을 배포합니다. -
엔드포인트 간접 호출: 엔드포인트가 사용 중이면 SageMaker AI 런타임 API를 호출
InvokeEndpoint하여 엔드포인트에 요청을 보냅니다. 그러면 엔드포인트가 설명과 예측을 반환합니다.
