搭配 SageMaker Clarify 的線上可解釋性 - Amazon SageMaker
運作方式

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。

搭配 SageMaker Clarify 的線上可解釋性

本指南說明如何使用 SageMaker Clarify 設定線上可解釋性。透過 SageMaker 即時推論端點，您可以即時、持續地分析可解釋性。線上可解釋性函數適用於 Amazon SageMaker Machine Learning 工作流程 的部署至生產部分。

Clarify 線上可解釋性如何運作

下圖描述託管提供可解釋性請求的端點的 SageMaker 架構。它描述端點、模型容器和 SageMaker Clarify 解釋器之間的互動。

SageMaker 架構顯示託管提供隨需可解釋性請求的端點。

以下是 Clarify 線上可解釋性的工作原理。應用程式會將 REST樣式InvokeEndpoint請求傳送至 SageMaker Runtime Service。服務會將此請求路由至 SageMaker 端點，以取得預測和說明。接著，服務接收來自端點的回應。最後，服務將回應傳回應用程式。

為了提高端點可用性， 會根據端點組態中的執行個體計數， SageMaker 自動嘗試在多個可用區域中分發端點執行個體。在端點執行個體上，在新的可解釋性請求時， SageMaker Clarify 解釋程式會呼叫模型容器進行預測。然後它會計算並傳回特徵屬性。

以下是建立使用 SageMaker Clarify 線上可解釋性之端點的四個步驟：

  1. 請依照預先檢查步驟，檢查預先訓練的 SageMaker 模型是否與線上可解釋性相容。

  2. 使用 建立具有 SageMaker Clarify explainer CreateEndpointConfig 組態的端點組態API。

  3. 使用 建立端點並提供端點組態給 SageMaker CreateEndpoint API。此服務會啟動組態所指定的機器學習運算執行個體，接著進行模型部署。

  4. 叫用端點 ：端點在使用後，呼叫 SageMaker執行期APIInvokeEndpoint以將請求傳送至端點。然後，端點回傳解釋及預測。