在線解釋與 SageMaker 澄清 - Amazon SageMaker
運作方式

本文為英文版的機器翻譯版本，如內容有任何歧義或不一致之處，概以英文版為準。

在線解釋與 SageMaker 澄清

本指南介紹了如何使用 Criven 配置在線解 SageMaker 釋功能。透過 SageMaker 即時推論端點，您可以持續地即時分析可解釋性。線上解釋功能適合 Amazon Machine L SageMaker earning 工作流程的「部署到生產環境」部分。

Clarify 線上可解釋性如何運作

下圖描述了託管服務無法解釋請求的端點的 SageMaker 體系結構。它描繪了端點，模型容器和 SageMaker 澄清解釋器之間的相互作用。

SageMaker 架構：圖形描述了託管服務按需解釋請求的端點。

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要求傳送至 SageMaker 執行階段服務。服務會將此要求路由到 SageMaker 端點，以取得預測和解釋。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，請根據端點組態中的執行個體計數， SageMaker 自動嘗試在多個可用區域中分配端點執行個體。在端點執行個體上，當新的無法解釋要求時，Cline 解 SageMaker 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。

以下是創建使 SageMaker 用 CLEVARE 在線解釋功能的端點的四個步驟：

  1. 按照預先檢查步驟檢查您的預先訓練 SageMaker 型號是否與線上說明相容。

  2. 使用 CreateEndpointConfig API 使用 SageMaker 澄清解釋器配置創建端點配置。

  3. 建立端點並提供端點設定以 SageMaker 使用 CreateEndpoint API。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. 叫用端點：端點在服務中之後，呼叫 R SageMaker untime API InvokeEndpoint 以將要求傳送到端點。然後，端點回傳解釋及預測。