Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.

# richiamare l'endpoint
<a name="clarify-online-explainability-invoke-endpoint"></a>

Dopo l'esecuzione dell'endpoint, utilizzate l'[InvokeEndpoint](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_runtime_InvokeEndpoint.html)API SageMaker AI Runtime nel servizio AI Runtime per inviare richieste o richiamare l' SageMaker endpoint. In risposta, le richieste vengono gestite come richieste di spiegabilità dall'esplicatore Clarify. SageMaker 

**Nota**  
Per richiamare un endpoint, scegli una delle seguenti opzioni:  
Per istruzioni sull'uso di Boto3 o sull'invocazione di un endpoint, vedere. AWS CLI [Invocare modelli per l’inferenza in tempo reale](realtime-endpoints-test-endpoints.md)
[Per utilizzare l' SageMaker SDK per Python per richiamare un endpoint, consulta l'API Predictor.](https://sagemaker.readthedocs.io/en/stable/api/inference/predictors.html)

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

L'API `InvokeEndpoint` ha un parametro opzionale `EnableExplanations`, che è mappato all'intestazione HTTP `X-Amzn-SageMaker-Enable-Explanations`. Se viene fornito questo parametro, sostituisce il parametro `EnableExplanations` di `ClarifyExplainerConfig`.

**Nota**  
I parametri richiesti `ContentType` e `Accept` dell’API `InvokeEndpoint` sono richiesti. I formati supportati includono il tipo MIME `text/csv` e `application/jsonlines`.

Utilizza il `sagemaker_runtime_client` per inviare una richiesta all'endpoint, come segue:

```
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)
)
```

Per gli endpoint multi-modello, passa un parametro `TargetModel` aggiuntivo nella precedente richiesta di esempio per specificare a quale modello indirizzare l’endpoint. L'endpoint a più modelli carica dinamicamente i modelli di destinazione in base alle esigenze. Per ulteriori informazioni sugli endpoint multi-modello, consulta [Endpoint multi-modello](multi-model-endpoints.md). Consultate il [SageMaker Clarify Online Explainability on Multi-Model Endpoint Sample Notebook](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-clarify/online_explainability/tabular_multi_model_endpoint/multi_model_xgboost_with_online_explainability.ipynb) per un esempio di come configurare e richiamare più modelli di destinazione da un singolo endpoint.

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

Se l'endpoint viene creato con `ExplainerConfig`, viene utilizzato un nuovo schema di risposta. Questo nuovo schema è diverso e non è compatibile con un endpoint privo del parametro `ExplainerConfig` fornito.

Il tipo MIME della risposta è `application/json` e il payload della risposta può essere decodificato da byte UTF-8 in un oggetto JSON. Quanto segue mostra che i membri di questo oggetto JSON sono i seguenti:
+ `version`: la versione dello schema di risposta in formato stringa. Ad esempio, `1.0`.
+ `predictions`: le previsioni effettuate dalla richiesta sono le seguenti:
  + `content_type`: il tipo MIME delle previsioni, che si riferisce a `ContentType` della risposta del container del modello.
  + `data`: la stringa di dati delle previsioni fornita come payload della risposta del container del modello per la richiesta.
+ `label_headers`: le intestazioni delle etichette del parametro `LabelHeaders`. Viene fornito nella configurazione dello strumento esplicativo o nell'output del container del modello.
+ `explanations`: le spiegazioni fornite nel payload della richiesta. Se non viene spiegato alcun record, questo membro restituisce l'oggetto vuoto `{}`.
+ 
  + `kernel_shap`: una chiave che si riferisce a un array di spiegazioni Kernel SHAP per ogni record della richiesta. Se un record non viene spiegato, la spiegazione corrispondente è `null`.

L'elemento `kernel_shap` dispone dei seguenti membri:
+ `feature_header`: il nome dell'intestazione delle caratteristiche fornite dal parametro `FeatureHeaders` nella configurazione dello strumento esplicativo`ExplainerConfig`.
+ `feature_type`: il tipo di caratteristica dedotto dallo strumento esplicativo o fornito nel parametro `FeatureTypes` in `ExplainerConfig`. Questo elemento è disponibile solo per problemi di spiegabilità della PNL.
+ `attributions`: un array di oggetti di attribuzione. Le caratteristiche del testo possono avere più oggetti di attribuzione, ciascuno per un'unità. L'oggetto attribuzione ha i seguenti membri:
  + `attribution`: un elenco di valori di probabilità, fornito per ogni classe.
  + `description`: la descrizione delle unità di testo, disponibile solo per problemi di spiegabilità della PNL.
    + `partial_text`: la parte del testo spiegata dallo strumento esplicativo.
    + `start_idx`: un indice a base zero per identificare la posizione dell'array all'inizio del frammento di testo parziale.