SageMaker Clarify 線上可解釋性 - Amazon SageMaker AI
運作方式

SageMaker Clarify 線上可解釋性

本指南說明如何使用 SageMaker Clarify 設定線上可解釋性。透過 SageMaker AI 即時推斷端點，您可以持續、即時分析可解釋性。線上可解釋性功能適用於 Amazon SageMaker AI Machine Learning 工作流程的部署到生產部分。

Clarify 線上可解釋性如何運作

下圖描述了用於託管服務可解釋性請求的端點的 SageMaker AI 架構。它描述了端點、模型容器及 SageMaker Clarify 解釋器之間的互動。

SageMaker AI 架構，展示了用於託管服務隨需可解釋性請求的端點。

以下是 Clarify 線上可解釋性的工作原理。應用程式會將 REST 樣式的 InvokeEndpoint 請求傳送至 SageMaker AI 執行期服務。服務會將此請求路由至 SageMaker AI 端點，以取得預測與解釋。接著，服務接收來自端點的回應。最後，服務將回應傳回應用程式。

為了提高端點可用性，SageMaker AI 會根據端點組態的執行個體計數，自動嘗試在多個可用區域分發端點執行個體。在端點執行個體，根據新的可解釋性請求，SageMaker Clarify 解釋器會呼叫模型容器以進行預測。然後它會計算並傳回特徵屬性。

以下是建立使用 SageMaker Clarify 線上可解釋性端點的四個步驟：

  1. 請依照預先檢查步驟檢查您的預先訓練 SageMaker AI 模型是否與線上可解釋性相容。

  2. 使用 CreateEndpointConfig API 透過 SageMaker Clarify 解釋器組態建立端點組態。

  3. 建立端點並使用 CreateEndpoint API 將端點組態提供給 SageMaker AI。此服務會啟動組態所指定的機器學習運算執行個體，接著進行模型部署。

  4. 調用端點：端點投入使用後，呼叫 SageMaker AI 執行時間 API InvokeEndpoint 將請求傳送至端點。然後，端點回傳解釋及預測。