调用异步终端节点 - Amazon SageMaker
Amazon Web Services 文档中描述的 Amazon Web Services 服务或功能可能因区域而异。要查看适用于中国区域的差异,请参阅中国的 Amazon Web Services 服务入门

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。

调用异步终端节点

从托管在异步端点的模型中获取推断InvokeEndpointAsync.

注意

如果您尚未这样做,请将您的推断数据(例如,机器学习模型、示例数据)上传到 Amazon S3。

指定推理数据在InputLocation字段和终端节点的名称EndpointName

# Create a low-level client representing Amazon SageMaker Runtime sagemaker_runtime = boto3.client("sagemaker-runtime", region_name=<aws_region>) # Specify the location of the input. Here, a single SVM sample input_location = "s3://bucket-name/test_point_0.libsvm" # The name of the endpoint. The name must be unique within an AWS Region in your AWS account. endpoint_name='<endpoint-name>' # After you deploy a model into production using SageMaker hosting # services, your client applications use this API to get inferences # from the model hosted at the specified endpoint. response = sagemaker_runtime.invoke_endpoint_async( EndpointName=endpoint_name, InputLocation=input_location)

您会收到一个以 JSON 字符串形式的响应,其中包含您的请求 ID 和 Amazon S3 存储桶的名称,该存储桶在处理 API 调用后将对其作出响应。