Gerenciar endpoints de inferência usando o comando endpoints - Amazon Neptune
Criar um endpoint de inferênciaObter o status do endpointExcluir um endpointListar endpoints de inferência

As traduções são geradas por tradução automática. Em caso de conflito entre o conteúdo da tradução e da versão original em inglês, a versão em inglês prevalecerá.

Gerenciar endpoints de inferência usando o comando endpoints

Use o comando endpoints do Neptune ML para criar um endpoint de inferência, conferir o status, excluí-lo ou listar endpoints de inferência existentes.

Criar um endpoint de inferência usando o comando endpoints do Neptune ML

Um comando endpoints do Neptune ML para criar um endpoint de inferência a partir de um modelo criado por um trabalho de treinamento tem a seguinte aparência:

curl \
  -X POST https://(your Neptune endpoint)/ml/endpoints
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique ID for the new endpoint)",
        "mlModelTrainingJobId": "(the model-training job-id of a completed job)"
      }'

Um comando endpoints do Neptune ML para atualizar um endpoint de inferência existente a partir de um modelo criado por um trabalho de treinamento tem a seguinte aparência:

curl \
  -X POST https://(your Neptune endpoint)/ml/endpoints
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique ID for the new endpoint)",
        "update" : "true",
        "mlModelTrainingJobId": "(the model-training job-id of a completed job)"
      }'

Um comando endpoints do Neptune ML para criar um endpoint de inferência a partir de um modelo criado por um trabalho de transformação de modelos tem a seguinte aparência:

curl \
  -X POST https://(your Neptune endpoint)/ml/endpoints
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique ID for the new endpoint)",
        "mlModelTransformJobId": "(the model-training job-id of a completed job)"
      }'

Um comando endpoints do Neptune ML para atualizar um endpoint de inferência existente a partir de um modelo criado por um trabalho de transformação de modelos tem a seguinte aparência:

curl \
  -X POST https://(your Neptune endpoint)/ml/endpoints
  -H 'Content-Type: application/json' \
  -d '{
        "id" : "(a unique ID for the new endpoint)",
        "update" : "true",
        "mlModelTransformJobId": "(the model-training job-id of a completed job)"
      }'
Parâmetros para criação de endpoints de inferência endpoints

  • id: (opcional) um identificador exclusivo para o novo endpoint de inferência.

    Tipo: string. Padrão: um nome com carimbo de data e hora gerado automaticamente.

  • mlModelTrainingJobId: o ID do trabalho de treinamento de modelos concluído que criou o modelo para o qual o endpoint de inferência apontará.

    Tipo: string.

    Observação: é necessário fornecer o mlModelTrainingJobId ou o mlModelTransformJobId.

  • mlModelTransformJobId: o ID do trabalho de transformação de modelos concluído.

    Tipo: string.

    Observação: é necessário fornecer o mlModelTrainingJobId ou o mlModelTransformJobId.

  • update: (opcional) se presente, esse parâmetro indica que se trata de uma solicitação de atualização.

    Tipo: booliano. Padrão: false

    Observação: é necessário fornecer o mlModelTrainingJobId ou o mlModelTransformJobId.

  • neptuneIamRoleArn— (Opcional) O ARN de uma função do IAM que fornece ao Neptune acesso aos recursos de IA e SageMaker Amazon S3.

    Tipo: string. Observação: deve estar listado no grupo de parâmetros do cluster de banco de dados ou será lançado um erro.

  • modelName: (opcional) o tipo de modelo para treinamento. Por padrão, o modelo de ML é automaticamente baseado no modelType usado no processamento de dados, mas você pode especificar um tipo de modelo diferente aqui.

    Tipo: string. Padrão: rgcn para grafos heterogêneos e kge para grafos de conhecimento. Valores válidos: para grafos heterogêneos: rgcn. Para grafos de conhecimento:kge, transe, distmult ou rotate.

  • instanceType: (opcional) o tipo de instância de ML usada para serviços on-line.

    Tipo: string. Padrão: ml.m5.xlarge.

    Observação: selecionar a instância de ML para um endpoint de inferência depende do tipo de tarefa, do tamanho do grafo e do orçamento. Consulte Selecionar uma instância para um endpoint de inferência.

  • instanceCount— (Opcional) O número mínimo de EC2 instâncias da Amazon a serem implantadas em um endpoint para previsão.

    Tipo: número inteiro. Padrão: 1.

  • volumeEncryptionKMSKey— (Opcional) A chave AWS Key Management Service (AWS KMS) que a SageMaker IA usa para criptografar dados no volume de armazenamento anexado às instâncias de computação de ML que executam os endpoints.

    Tipo: string Padrão: nenhum.

Obter o status de um endpoint de inferência usando o comando endpoints do Neptune ML

Um exemplo de comando endpoints do Neptune ML para o status de um endpoint de instância tem a seguinte aparência:

curl -s \
  "https://(your Neptune endpoint)/ml/endpoints/(the inference endpoint ID)" \
  | python -m json.tool
Parâmetros para o status do endpoint da instância endpoints

  • id: (obrigatório) o identificador exclusivo do endpoint de inferência.

    Tipo: string.

  • neptuneIamRoleArn— (Opcional) O ARN de uma função do IAM que fornece ao Neptune acesso aos recursos de IA e SageMaker Amazon S3.

    Tipo: string. Observação: deve estar listado no grupo de parâmetros do cluster de banco de dados ou será lançado um erro.

Excluir um endpoint de instância usando o comando endpoints do Neptune ML

Um exemplo de comando endpoints do Neptune ML para exclusão de um endpoint de instância tem a seguinte aparência:

curl -s \
  -X DELETE "https://(your Neptune endpoint)/ml/endpoints/(the inference endpoint ID)"

Ou esta:

curl -s \
  -X DELETE "https://(your Neptune endpoint)/ml/endpoints/(the inference endpoint ID)?clean=true"
Parâmetros para exclusão endpoints de um endpoint de inferência

  • id: (obrigatório) o identificador exclusivo do endpoint de inferência.

    Tipo: string.

  • neptuneIamRoleArn— (Opcional) O ARN de uma função do IAM que fornece ao Neptune acesso aos recursos de IA e SageMaker Amazon S3.

    Tipo: string. Observação: deve estar listado no grupo de parâmetros do cluster de banco de dados ou será lançado um erro.

  • clean: (opcional) indica que todos os artefatos relacionados a esse endpoint também devem ser excluídos.

    Tipo: booliano. Padrão: FALSE.

Listar endpoints de inferência usando o comando endpoints do Neptune ML

Um comando endpoints do Neptune ML para listar endpoints de inferência tem a seguinte aparência:

curl -s "https://(your Neptune endpoint)/ml/endpoints" \
  | python -m json.tool

Ou esta:

curl -s "https://(your Neptune endpoint)/ml/endpoints?maxItems=3" \
  | python -m json.tool
Parâmetros para listar endpoints de inferência dataprocessing

  • maxItems: (opcional) o número máximo de itens a serem gerados.

    Tipo: número inteiro. Padrão: 10. Valor máximo permitido: 1024.

  • neptuneIamRoleArn— (Opcional) O ARN de uma função do IAM que fornece ao Neptune acesso aos recursos de IA e SageMaker Amazon S3.

    Tipo: string. Observação: deve estar listado no grupo de parâmetros do cluster de banco de dados ou será lançado um erro.