推論の一般的なデータ形式

Amazon SageMaker アルゴリズムは、オンライン予測とミニバッチ予測の取得に使用されるHTTPペイロードに対して、いくつかの異なるMIMEタイプを受け入れて生成します。推論を実行する前に、複数の AWS サービスを使用してレコードを変換または前処理できます。少なくとも、以下のデータを変換する必要があります。

• 推論リクエストのシリアル化 (ユーザーによる処理)

• 推論リクエストの逆シリアル化 (アルゴリズムによる処理)

• 推論レスポンスのシリアル化 (アルゴリズムによる処理)

• 推論レスポンスの逆シリアル化 (ユーザーによる処理)

推論リクエストのシリアル化のためにデータを変換する

Amazon SageMaker アルゴリズム推論リクエストのコンテンツタイプオプションには、text/csv、application/json、および が含まれますapplication/x-recordio-protobuf。これらのすべてのタイプをサポートしていないアルゴリズムは、他のタイプをサポートできます。XGBoost例えば、 は、text/csvこのリストからのみ をサポートしますが、 もサポートしますtext/libsvm。

text/csv の場合、invoke_endpoint の Body 引数の値は、各機能の値をカンマで区切った文字列である必要があります。例えば、4 つの機能があるモデルのレコードは 1.5,16.0,14,23.0 のようになります。トレーニングデータに対して実行された変換はすべて、推論を取得する前にデータに実行される必要があります。機能の順序は重要であるため、変更せずそのままにしておく必要があります。

application/json はより柔軟で、デベロッパーがアプリケーションで使用できる形式が複数用意されています。大まかに言うと、 では JavaScript、ペイロードは次のようになります。

let request = {
  // Instances might contain multiple rows that predictions are sought for.
  "instances": [
    {
      // Request and algorithm specific inference parameters.
      "configuration": {},
      // Data in the specific format required by the algorithm.
      "data": {
         "<field name>": dataElement
       }
    }
  ]
}

dataElement を指定するために、次のオプションがあります。

同等のプロトコルバッファ

// Has the same format as the protocol buffers implementation described for training.
let dataElement = {
  "keys": [],
  "values": [],
  "shape": []
}

単純な数値ベクトル

// An array containing numeric values is treated as an instance containing a
// single dense vector.
let dataElement = [1.5, 16.0, 14.0, 23.0]

// It will be converted to the following representation by the SDK.
let converted = {
  "features": {
    "values": dataElement
  }
}

複数数のレコード:

let request = {
  "instances": [
    // First instance.
    {
      "features": [ 1.5, 16.0, 14.0, 23.0 ]
    },
    // Second instance.
    {
      "features": [ -2.0, 100.2, 15.2, 9.2 ]
    }
  ]
}

推論レスポンスの逆シリアル化のためにデータを変換する

Amazon SageMaker アルゴリズムは複数のレイアウトJSONで返されます。高いレベルで、構造は次のようになります。

let response = {
  "predictions": [{
    // Fields in the response object are defined on a per algorithm-basis.
  }]
}

予測に含まれるフィールドはアルゴリズムで異なります。以下は、k-means アルゴリズムの出力例です。

単一レコード推論

let response = {
  "predictions": [{
    "closest_cluster": 5,
    "distance_to_cluster": 36.5
  }]
}

複数レコード推論

let response = {
  "predictions": [
    // First instance prediction.
    {
      "closest_cluster": 5,
      "distance_to_cluster": 36.5
    },
    // Second instance prediction.
    {
      "closest_cluster": 2,
      "distance_to_cluster": 90.3
    }
  ]
}

protobuf 入力を使用した複数レコード推論

{
  "features": [],
  "label": {
    "closest_cluster": {
      "values": [ 5.0 ] // e.g. the closest centroid/cluster was 1.0
    },
    "distance_to_cluster": {
      "values": [ 36.5 ]
    }
  },
  "uid": "abc123",
  "metadata": "{ "created_at": '2017-06-03' }"
}

SageMaker アルゴリズムは、レコードごとのレスポンスコンテンツが JSONLINES 形式と同じである JSON形式もサポートします。マルチレコード構造は、改行文字で区切られたレコードごとのレスポンスオブジェクトのコレクションです。2 つの入力データポイントの組み込みKMeansアルゴリズムのレスポンスコンテンツは次のとおりです。

{"distance_to_cluster": 23.40593910217285, "closest_cluster": 0.0}
{"distance_to_cluster": 27.250282287597656, "closest_cluster": 0.0}

バッチ変換の実行中は、CreateTransformJobRequest の Accept フィールドを application/jsonlines に設定して jsonlines レスポンスタイプを使用することをお勧めします。

すべてのアルゴリズムの一般的なリクエスト形式

ほとんどのアルゴリズムは、次の推論リクエスト形式の多くを使用します。

JSON リクエスト形式

コンテンツタイプ： application/JSON

高密度形式

let request =   {
    "instances":    [
        {
            "features": [1.5, 16.0, 14.0, 23.0]
        }
    ]
}


let request =   {
    "instances":    [
        {
            "data": {
                "features": {
                    "values": [ 1.5, 16.0, 14.0, 23.0]
                }
            }
        }
    ]
}

疎形式

{
	"instances": [
		{"data": {"features": {
					"keys": [26, 182, 232, 243, 431],
					"shape": [2000],
					"values": [1, 1, 1, 4, 1]
				}
			}
		},
		{"data": {"features": {
					"keys": [0, 182, 232, 243, 431],
					"shape": [2000],
					"values": [13, 1, 1, 4, 1]
				}
			}
		},
	]
}

JSONLINES リクエスト形式

コンテンツタイプ： application/JSONLINES

高密度形式

高密度形式の単一レコードは、次のいずれかで表すことができます。

{ "features": [1.5, 16.0, 14.0, 23.0] }

または

{ "data": { "features": { "values": [ 1.5, 16.0, 14.0, 23.0] } }

疎形式

疎形式の単一レコードは、次のように表されます。

{"data": {"features": { "keys": [26, 182, 232, 243, 431], "shape": [2000], "values": [1, 1, 1, 4, 1] } } }

複数のレコードは、改行文字で区切られた単一レコード表現のコレクションとして表されます。

{"data": {"features": { "keys": [0, 1, 3], "shape": [4], "values": [1, 4, 1] } } }
{ "data": { "features": { "values": [ 1.5, 16.0, 14.0, 23.0] } }
{ "features": [1.5, 16.0, 14.0, 23.0] }

CSV リクエスト形式

コンテンツタイプ： text/CSV; label_size=0

注記

CSV サポートは、因数化マシンでは使用できません。

RECORDIO リクエスト形式

コンテンツタイプ: application/x-recordio-protobuf

組み込みアルゴリズムでバッチ変換を使用する

バッチ変換の実行中にアルゴリズムでサポートされている場合はJSON、 の代わりに JSONLINESレスポンスタイプを使用することをお勧めします。これを行うには、 の AcceptフィールドCreateTransformJobRequestを に設定しますapplication/jsonlines。

変換ジョブを作成するときは、入力データの ContentType に基づいて を設定SplitTypeする必要があります。同様に、CreateTransformJobRequest の Accept フィールドに応じて AssembleWith を設定する必要があります。次の表を使用して、これらのフィールドを設定します。

ContentType	推奨 SplitType
application/x-recordio-protobuf	RecordIO
text/csv	Line
application/jsonlines	Line
application/json	None
application/x-image	None
image/*	None

Accept	推奨 AssembleWith
application/x-recordio-protobuf	None
application/json	None
application/jsonlines	Line

特定のアルゴリズムのレスポンス形式の詳細については、以下を参照してください。

• DeepAR 推論の形式

• 因数分解機のレスポンス形式

• IP Insights 推論データの形式

• k-means のレスポンス形式

• k-NN リクエストとレスポンスの形式

• 線形学習のレスポンス形式

• NTM のレスポンス形式

• Object2Vec 推論のデータ形式

• Object2Vec のエンコーダー埋め込み

• PCA レスポンス形式

• RCF レスポンス形式