使用 endpoints 命令管理推理端点 - Amazon Neptune
创建推理端点获取端点状态。删除端点列出推理端点

本文属于机器翻译版本。若本译文内容与英语原文存在差异，则一律以英文原文为准。

使用 endpoints 命令管理推理端点

您可以使用 Neptune ML endpoints 命令创建推理端点、检查其状态、将其删除或列出现有推理端点。

使用 Neptune ML endpoints 命令创建推理端点

用于根据训练任务创建的模型创建推理端点的 Neptune ML endpoints 命令如下所示：

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)"
      }'

用于根据训练任务创建的模型更新现有推理端点的 Neptune ML endpoints 命令如下所示：

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)"
      }'

用于根据模型转换任务创建的模型创建推理端点的 Neptune ML endpoints 命令如下所示：

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)"
      }'

用于根据模型转换任务创建的模型更新现有推理端点的 Neptune ML endpoints 命令如下所示：

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)"
      }'
用于创建 endpoints 推理端点的参数

  • id –（可选）新推理端点的唯一标识符。

    类型：字符串。默认：自动生成的带有时间戳的名称。

  • mlModelTrainingJobId – 已完成的模型训练任务的任务 ID，该任务创建了推理端点将指向的模型。

    类型：字符串。

    注意：您必须提供 mlModelTrainingJobId 或 mlModelTransformJobId。

  • mlModelTransformJobId – 已完成的模型转换任务的任务 ID。

    类型：字符串。

    注意：您必须提供 mlModelTrainingJobId 或 mlModelTransformJobId。

  • update –（可选）如果存在，则此参数表示这是更新请求。

    类型：布尔值。默认值：false

    注意：您必须提供 mlModelTrainingJobId 或 mlModelTransformJobId。

  • neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

    类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将引发错误。

  • modelName –（可选）训练的模型类型。默认情况下，机器学习模型是根据数据处理中使用的 modelType 自动生成的，但您可以在此处指定不同的模型类型。

    类型：字符串。默认：rgcn 用于异构图形，kge 用于知识图谱。有效值：对于异构图形：rgcn。对于知识图谱：kge、transe、distmult 或 rotate。

  • instanceType –（可选）用于在线服务的机器学习实例的类型。

    类型：字符串。默认值：ml.m5.xlarge。

    注意：为推理端点选择 ML 实例取决于任务类型、图形大小和预算。请参阅为推理端点选择实例。

  • instanceCount—（可选）部署到终端节点进行预测的最少 Amazon EC2 实例数量。

    类型：整数。默认值：1。

  • volumeEncryptionKMSKey—（可选AWS KMS） SageMaker AI 用来加密连接到运行端点的 ML 计算实例的存储卷上的数据的 () 密钥。 AWS Key Management Service

    类型：字符串。默认值：无。

使用 Neptune ML endpoints 命令获取推理端点的状态

用于显示实例端点状态的示例 Neptune ML endpoints 命令如下所示：

curl -s \
  "https://(your Neptune endpoint)/ml/endpoints/(the inference endpoint ID)" \
  | python -m json.tool
endpoints 实例端点状态的参数

  • id –（必需）推理端点的唯一标识符。

    类型：字符串。

  • neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

    类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将引发错误。

使用 Neptune ML endpoints 命令删除实例端点

用于删除实例端点的 Neptune ML endpoints 命令示例如下所示：

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

或者：

curl -s \
  -X DELETE "https://(your Neptune endpoint)/ml/endpoints/(the inference endpoint ID)?clean=true"
endpoints 删除推理端点的参数

  • id –（必需）推理端点的唯一标识符。

    类型：字符串。

  • neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

    类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将引发错误。

  • clean –（可选）表示还应删除与此端点相关的所有构件。

    类型：布尔值。默认值：FALSE。

使用 Neptune ML endpoints 命令列出推理端点

用于列出推理端点的 Neptune ML endpoints 命令如下所示：

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

或者：

curl -s "https://(your Neptune endpoint)/ml/endpoints?maxItems=3" \
  | python -m json.tool
dataprocessing 列出推理端点的参数

  • maxItems –（可选），表示要返回的最大项目数。

    类型：整数。默认值：10。允许的最大值：1024。

  • neptuneIamRoleArn—（可选）向 Neptune 提供 AI 和 A SageMaker mazon S3 资源访问权限的 IAM 角色的 ARN。

    类型：字符串。注意：必须将其列在您的数据库集群参数组中，否则将引发错误。