Las traducciones son generadas a través de traducción automática. En caso de conflicto entre la traducción y la version original de inglés, prevalecerá la version en inglés.

# Invocación del punto de conexión
<a name="clarify-online-explainability-invoke-endpoint"></a>

Una vez que el punto final esté en ejecución, usa la [InvokeEndpoint](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html)API SageMaker AI Runtime del servicio SageMaker AI Runtime para enviar solicitudes al punto final o invocarlo. En respuesta, el explicador de Clarify gestiona las solicitudes como solicitudes de explicabilidad. SageMaker 

**nota**  
Para invocar un punto de conexión, elija una de las siguientes opciones:  
Para obtener instrucciones sobre cómo usar Boto3 o para invocar un punto final, AWS CLI consulte. [Invocación de modelos para realizar inferencias en tiempo real](realtime-endpoints-test-endpoints.md)
Para usar el SageMaker SDK para Python a fin de invocar un punto final, consulta la API de [Predictor](https://sagemaker.readthedocs.io/en/stable/api/inference/predictors.html).

## Solicitud
<a name="clarify-online-explainability-request"></a>

La API `InvokeEndpoint` tiene un parámetro opcional `EnableExplanations`, que se asigna al encabezado HTTP `X-Amzn-SageMaker-Enable-Explanations`. Si se proporciona este parámetro, anula el parámetro `EnableExplanations`de `ClarifyExplainerConfig`.

**nota**  
Los parámetros `ContentType` y `Accept` de la API `InvokeEndpoint` son obligatorios. Los formatos admitidos incluyen el tipo MIME `text/csv` y `application/jsonlines`.

Utilice `sagemaker_runtime_client` para enviar una solicitud al punto de conexión de la siguiente manera:

```
response = sagemaker_runtime_client.invoke_endpoint(
    EndpointName='name-of-your-endpoint',
    EnableExplanations='`true`',
    ContentType='text/csv',
    Accept='text/csv',
    Body='1,2,3,4',  # single record (of four numerical features)
)
```

Para los puntos de conexión multimodelo, pase un parámetro `TargetModel` adicional en la solicitud de ejemplo anterior para especificar a qué modelo debe dirigirse en el punto de conexión. El punto de conexión multimodelo carga dinámicamente los modelos de destino según sea necesario. Para obtener más información sobre puntos de conexión multimodelo, consulte [Puntos de conexión multimodelo](multi-model-endpoints.md). Consulte el [cuaderno de muestra SageMaker Clarify Online Explicability on MultiModel Endpoint](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-clarify/online_explainability/tabular_multi_model_endpoint/multi_model_xgboost_with_online_explainability.ipynb) para ver un ejemplo de cómo configurar e invocar varios modelos de destino desde un único punto final.

## Respuesta
<a name="clarify-online-explainability-response"></a>

Si el punto de conexión se crea con `ExplainerConfig`, entonces, se utiliza un nuevo esquema de respuesta. Este nuevo esquema es diferente y no es compatible con un punto de conexión que carezca del parámetro `ExplainerConfig` proporcionado.

El tipo MIME de la respuesta es `application/json`, y la carga de la respuesta se puede decodificar de bytes UTF-8 a un objeto JSON. A continuación se muestra que los miembros de este objeto JSON son los siguientes:
+ `version`: la versión del esquema de respuesta en formato de cadena. Por ejemplo, `1.0`.
+ `predictions`: las predicciones que hace la solicitud son las siguientes:
  + `content_type`: el tipo MIME de las predicciones, en referencia al `ContentType` de la respuesta del contenedor de modelos.
  + `data`: la cadena de datos de las predicciones entregada como carga de la respuesta del contenedor de modelos a la solicitud.
+ `label_headers`: los encabezados de las etiquetas del parámetro `LabelHeaders`. Esto se proporciona en la configuración del explicador o en la salida del contenedor de modelos.
+ `explanations`: las explicaciones que figuran en la carga de la solicitud. Si no se explica ningún registro, este miembro devuelve el objeto `{}` vacío.
+ 
  + `kernel_shap`: una clave que hace referencia a una matriz de explicaciones SHAP del kernel para cada registro de la solicitud. Si un registro no tiene explicación, la explicación correspondiente es `null`.

El elemento `kernel_shap` tiene los siguientes miembros:
+ `feature_header`: el nombre del encabezado de las características que proporciona el parámetro `FeatureHeaders` en la configuración del explicador `ExplainerConfig`.
+ `feature_type`: el tipo de característica inferido por el explicador o proporcionado en el parámetro `FeatureTypes` en `ExplainerConfig`. Este elemento solo está disponible para problemas de explicabilidad de NLP.
+ `attributions`: una matriz de objetos de atribución. Las características de texto pueden tener varios objetos de atribución, cada uno para una unidad. El objeto de atribución tiene los siguientes miembros:
  + `attribution`: una lista de valores de probabilidad, proporcionada para cada clase.
  + `description`: la descripción de las unidades de texto, disponible solo para problemas de explicabilidad de NLP.
    + `partial_text`: la parte del texto explicada por el explicador.
    + `start_idx`: un índice de base cero para identificar la ubicación de la matriz al principio del fragmento de texto parcial.