调用多模型端点

要调用多模型端点，请使用 SageMaker 运行时invoke_endpoint中的，就像调用单个模型端点一样，只需进行一次更改。传递新 TargetModel 参数，该参数指定要定向到端点上的哪些模型。 SageMaker 运行时InvokeEndpoint请求支持X-Amzn-SageMaker-Target-Model作为新的标头，该标头采用为调用指定的模型的相对路径。 SageMaker 系统通过将作为 CreateModel API 调用的一部分提供的前缀与模型的相对路径相结合来构造模型的绝对路径。

CPU 和 GPU 支持的多模型端点的以下过程相同。

多模型端点根据需要动态加载目标模型。您可以在运行 MME 示例笔记本时发现这一点，该笔记本会针对单个端点后托管的多个目标模型遍历随机调用。针对给定模型的第一个请求需要更长时间，因为必须从 Amazon Simple Storage Service (Amazon S3) 下载模型并将其加载到内存中。这被称为冷启动，预计在多模型端点上会优化，从而为客户提供更好的性价比。由于加载模型后没有额外开销，因此后续调用完成速度更快。

注意

对于由 GPU 支持的实例，来自 GPU 容器的、带有 507 的 HTTP 响应代码表示内存或其他资源不足。这会导致从容器中卸载未使用的模型，以便加载更常用的模型。

出错时重试请求 ModelNotReadyException

首次为模型调用 invoke_endpoint 时，会从 Amazon Simple Storage Service 下载模型并将其加载到推理容器中。因此需要更长的时间才能返回第一次调用。由于模型已加载完毕，因此对同一模型的后续调用会更快地完成。

SageMaker invoke_endpoint在 60 秒内返回呼叫的响应。有些模型太大，无法在 60 秒内下载。如果模型未在 60 秒超时限制之前完成加载，则对 invoke_endpoint 的请求将返回错误代码 ModelNotReadyException，会继续下载模型并将其加载到推理容器中，最长 360 秒。如果您收到 invoke_endpoint 请求的 ModelNotReadyException 错误代码，重试该请求。默认情况下，Python Amazon 开发工具包（Boto 3）（使用旧版重试模式）和 Java 的重试invoke_endpoint请求会导致错误。ModelNotReadyException您可以将重试策略配置为继续重试请求最多 360 秒。如果您预计下载模型并将其加载到容器中的时间超过 60 秒，请将 SDK 套接字超时设置为 70 秒。有关为配置重试策略的更多信息 Amazon SDK for Python (Boto3)，请参阅配置重试模式。以下代码显示一个示例，将重试调用 invoke_endpoint 的重试策略配置为最长 180 秒。


import boto3
from botocore.config import Config

# This example retry strategy sets the retry attempts to 2. 
# With this setting, the request can attempt to download and/or load the model 
# for upto 180 seconds: 1 orginal request (60 seconds) + 2 retries (120 seconds)
config = Config(
    read_timeout=70,
    retries={
        'max_attempts': 2  # This value can be adjusted to 5 to go up to the 360s max timeout
    }
)
runtime_sagemaker_client = boto3.client('sagemaker-runtime', config=config)

Javascript 在您的浏览器中被禁用或不可用。

要使用 Amazon Web Services 文档，必须启用 Javascript。请参阅浏览器的帮助页面以了解相关说明。

创建多模型端点

添加或删除模型