調用您的端點 - Amazon SageMaker AI

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

調用您的端點

注意

建議您先在 Amazon SageMaker Canvas 中測試模型部署，再以程式設計方式調用 SageMaker AI 端點。

您可以使用已部署到生產環境中 SageMaker AI 端點的 Amazon SageMaker Canvas 模型搭配您的應用程式。採用您調用任何其他 SageMaker AI 即時端點的同一方式，以程式設計方式調用端點。以程式設計方式調用端點會傳回一個回應物件，其中包含測試您的部署所述的相同欄位。

如需如何以程式設計方式調用端點的詳細資訊，請參閱調用模型以進行即時推論。

以下 Python 範例向您展示如何根據模型類型調用端點。

下列範例展示如何調用已部署至端點的 JumpStart 基礎模型。

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame(
    [['feature_column1', 'feature_column2'], 
    ['feature_column1', 'feature_column2']]
).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

下列範例展示如何調用數值或類別預測模型。

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame(['feature_column1', 'feature_column2'], ['feature_column1', 'feature_column2']).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

下列範例展示如何調用時間序列預測模型。如需如何測試調用時間序列預測模型的完整範例，請參閱使用 Amazon SageMaker Autopilot 進行時間序列預測。

import boto3
import pandas as pd

csv_path = './real-time-payload.csv'
data = pd.read_csv(csv_path)

client = boto3.client("runtime.sagemaker")

body = data.to_csv(index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)

下列範例展示如何調用影像預測模型。

import boto3
client = boto3.client("runtime.sagemaker")
with open("example_image.jpg", "rb") as file:
    body = file.read()
    response = client.invoke_endpoint(
        EndpointName="endpoint_name",
        ContentType="application/x-image",
        Body=body,
        Accept="application/json"
    )

下列範例展示如何調用文字預測模型。

import boto3
import pandas as pd

client = boto3.client("runtime.sagemaker")
body = pd.DataFrame([["Example text 1"], ["Example text 2"]]).to_csv(header=False, index=False).encode("utf-8")
    
response = client.invoke_endpoint(
    EndpointName="endpoint_name",
    ContentType="text/csv",
    Body=body,
    Accept="application/json"
)