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.

# Resultados da recomendação
<a name="inference-recommender-interpret-results"></a>

Cada resultado do trabalho do recomendador de inferência inclui`InstanceType`, `InitialInstanceCount` e `EnvironmentParameters` que são parâmetros variáveis de ambiente ajustados para seu contêiner para melhorar sua latência e throughput. Os resultados também incluem métricas de desempenho e custo como `MaxInvocations`, `ModelLatency`, `CostPerHour`, `CostPerInference`, `CpuUtilization` e `MemoryUtilization`.

Na tabela abaixo, fornecemos uma descrição dessas métricas. Essas métricas podem ajudá-lo a restringir sua busca pela melhor configuração de endpoint adequada ao seu caso de uso. Por exemplo, se sua motivação é o desempenho geral do preço com ênfase na throughput, você deve se concentrar em `CostPerInference`. 


| Métrica | Description | Caso de uso | 
| --- | --- | --- | 
|  `ModelLatency`  |  O intervalo de tempo gasto por um modelo para responder conforme visualizado pela SageMaker IA. Esse intervalo inclui os tempos de comunicação locais necessários para enviar a solicitação e buscar a resposta do contêiner de um modelo, bem como o tempo gasto para concluir a inferência no contêiner. Unidade: milissegundos  | Workloads sigilosos à latência, como veiculação de anúncios e diagnóstico médico | 
|  `MaximumInvocations`  |  O número máximo de solicitações `InvokeEndpoint` enviadas para um endpoint do modelo em um minuto. Unidades: nenhuma  | Workloads focadas na throughput, como processamento de vídeo ou inferência em lote | 
|  `CostPerHour`  |  O custo estimado por hora para seu endpoint em tempo real. Unidades: dólares norte-americanos  | Workloads econômicas sem prazos de latência | 
|  `CostPerInference`  |  O custo estimado por chamada de inferência para seu endpoint em tempo real. Unidades: dólares norte-americanos  | Maximizar o desempenho geral de preços com foco na produtividade | 
|  `CpuUtilization`  |  A utilização de CPU esperada no máximo de invocações por minuto para a instância do endpoint. Unidades: percentual  | Entenda a integridade da instância durante a análise comparativa, tendo visibilidade da utilização da CPU principal da instância | 
|  `MemoryUtilization`  |  A utilização da memória esperada no máximo de invocações por minuto para a instância do endpoint. Unidades: percentual  | Entenda a integridade da instância durante a análise comparativa, tendo visibilidade da utilização da memória principal da instância | 

Em alguns casos, talvez você queira explorar outras [métricas do SageMaker AI Endpoint Invocation](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html#cloudwatch-metrics-endpoint-invocation), como. `CPUUtilization` Cada resultado do trabalho do recomendador de inferência inclui os nomes dos endpoints gerados durante o teste de carga. Você pode usar CloudWatch para revisar os registros desses endpoints mesmo depois de serem excluídos.

A imagem a seguir é um exemplo de CloudWatch métricas e gráficos que você pode analisar para um único endpoint a partir do resultado da recomendação. O resultado dessa recomendação é de um trabalho padrão. A maneira de interpretar os valores escalares dos resultados da recomendação é que eles se baseiem no momento em que o gráfico de invocações começa a se nivelar. Por exemplo, o `ModelLatency` valor relatado está no início do platô ao redor`03:00:31`.

![\[Gráficos para CloudWatch métricas.\]](http://docs.aws.amazon.com/pt_br/sagemaker/latest/dg/images/inference-recommender-cw-metrics.png)


Para obter descrições completas das CloudWatch métricas usadas nos gráficos anteriores, consulte Métricas do [SageMaker AI Endpoint Invocation](https://docs.aws.amazon.com/sagemaker/latest/dg/monitoring-cloudwatch.html#cloudwatch-metrics-endpoint-invocation).

Você também pode ver métricas de desempenho semelhantes às `ClientInvocations` `NumberOfUsers` publicadas pelo recomendador de inferência no `/aws/sagemaker/InferenceRecommendationsJobs` namespace. Para obter uma lista completa de métricas e descrições publicadas pelo recomendador de inferência, consulte [SageMaker Métricas de empregos do Inference Recommender](monitoring-cloudwatch.md#cloudwatch-metrics-inference-recommender).

Consulte o notebook [Amazon SageMaker Inference Recommender - CloudWatch Metrics](https://github.com/aws/amazon-sagemaker-examples/blob/main/sagemaker-inference-recommender/tensorflow-cloudwatch/tf-cloudwatch-inference-recommender.ipynb) Jupyter no repositório [amazon-sagemaker-examples](https://github.com/aws/amazon-sagemaker-examples)Github para ver um exemplo de como usar o SDK for AWS Python (Boto3) para explorar métricas para seus endpoints. CloudWatch