調用您的端點 - Amazon SageMaker AI

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

調用您的端點

注意

建議您在以程式設計方式叫用 SageMaker AI 端點之前，先在 Amazon SageMaker Canvas 中測試模型部署。 SageMaker

您可以使用已部署到生產環境中 SageMaker AI 端點的 Amazon SageMaker SageMaker Canvas 模型搭配您的應用程式。以程式設計方式叫用端點，與您叫用任何其他 SageMaker AI 即時端點的方式相同。以程式設計方式叫用端點會傳回包含 中相同欄位的回應物件測試您的部署。

如需如何以程式設計方式調用端點的詳細資訊，請參閱叫用模型以進行即時推論。

以下 Python 範例向您展示如何根據模型類型調用端點。

下列範例示範如何叫用已部署至端點的 JumpStart 基礎模型。

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"
)

下列範例展示如何調用數值或類別預測模型。

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"
)

下列範例示範如何叫用時間序列預測模型。如需如何測試調用時間序列預測模型的完整範例，請參閱使用 Amazon SageMaker Autopilot 進行時間序列預測。

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"
)

下列範例展示如何調用影像預測模型。

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"
    )

下列範例展示如何調用文字預測模型。

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"
)