调用端点 - 亚马逊 SageMaker AI
请求响应
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 (PDF)。

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。

调用端点

终端节点运行后，使用 SageMaker AI 运行时服务中的 A InvokeEndpointI 运行时 API 向终端节点发送请求或调用该终端节点。 SageMaker 作为响应，Clarify 解释员将这些请求作为可解释性请求处理 SageMaker 。

注意

要调用端点，请选择以下选项之一：

  • 有关使用 Boto3 或调用终端节点 Amazon CLI 的说明，请参阅。调用模型进行实时推理

  • 要使用 SageMaker 适用于 Python 的开发工具包调用端点，请参阅预测器 API。

请求

InvokeEndpoint API 有一个可选参数 EnableExplanations，该参数映射到 HTTP 标头 X-Amzn-SageMaker-Enable-Explanations。如果提供了此参数，则将覆盖 ClarifyExplainerConfig 的 EnableExplanations 参数。

注意

InvokeEndpoint API 的 ContentType 和 Accept 参数是必需的。支持的格式包括 MIME 类型 text/csv 和 application/jsonlines。

使用 sagemaker_runtime_client 向端点发送请求，如下所示：

response = sagemaker_runtime_client.invoke_endpoint(
    EndpointName='name-of-your-endpoint',
    EnableExplanations='`true`',
    ContentType='text/csv',
    Accept='text/csv',
    Body='1,2,3,4',  # single record (of four numerical features)
)

对于多模型终端节点，请在上一个示例请求中传递一个附加的 TargetModel 参数，指定将哪个模型作为端点目标。多模型端点会根据需要动态地加载目标模型。有关多模型终端节点的更多信息，请参阅 多模型端点。有关如何从单个端点设置和调用多个目标模型的示例，请参阅 Clarify Online Explainability on Multi-Model Endpoint 示例笔记本。SageMaker

响应

如果使用 ExplainerConfig 创建端点，则使用新的响应架构。这个新的架构与缺少提供的 ExplainerConfig 参数的端点不同，并且不兼容。

响应的 MIME 类型为 application/json，响应负载可以从 UTF-8 字节解码为 JSON 对象。此 JSON 对象的成员如下所示：

  • version：字符串格式的响应架构版本。例如 1.0。

  • predictions：该请求做出的预测如下：

    • content_type：预测的 MIME 类型，指的是模型容器响应的 ContentType。

    • data：作为请求模型容器响应的负载进行传递的预测数据字符串。

  • label_headers：LabelHeaders 参数中的标签标头。这在解释器配置或模型容器输出中提供。

  • explanations：请求负载中提供的解释。如果没有解释任何记录，则此成员返回空对象 {}。

    • kernel_shap：一个键，该键引用请求中每个记录的 Kernel SHAP 解释数组。如果没有对某个记录做出解释，则相应的解释是 null。

kernel_shap 元素具有以下成员：

  • feature_header：解释器配置 ExplainerConfig 中的 FeatureHeaders 参数提供的特征的标头名称。

  • feature_type：由解释器推断的特征类型，或者在 ExplainerConfig 中的 FeatureTypes 参数提供的特征类型。此元素仅适用于 NLP 解释能力问题。

  • attributions：一个归因对象数组。文本特征可以有多个归因对象，每个对象用于一个单元。归因对象具有以下成员：

    • attribution：为每个分类给出的概率值列表。

    • description：文本单元的描述，仅适用于 NLP 解释能力问题。

      • partial_text：解释器做出解释的文本部分。

      • start_idx：从零开始的索引，用于标识部分文本片段开头的数组位置。