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](machine-learning-on-graphs-instance-selection.md#machine-learning-on-graphs-inference-endpoint-instance-size)。
+ **`instanceCount`** –（*可选*）部署到端点以进行预测的最少 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。