完成培訓工作並創建端點后如何在AWS SageMaker中部署圖像分類模型

Question

我已經完成了帶有內置圖像分類模型的訓練模型，可以通過帶有lst文件的原始圖像對兩個電話模型進行分類。（例如：Iphone6splus和Iphone7plus）因此，類數為2，我使用的數據集數為1600張圖像，即800每堂課

之后，我使用已完成的鞣制作業中的工件數據在控制台中創建了端點。

為了部署模型以測試准確性，我需要使用Juputer Notebook嗎？

import json
import numpy as np
import boto3
runtime = boto3.Session().client(service_name='sagemaker-runtime')
# set the object categories array
object_categories = ['class1','class0'}
# Load the image bytes
img = open('xxxfolder/xxx.jpg', 'rb').read()

# Call your model for predicting which object appears in this image.
response = runtime.invoke_endpoint(
EndpointName=endpoint_name, 
ContentType='application/x-image', 
Body=bytearray(img)
)
# read the prediction result and parse the json
result = response['Body'].read()
result = json.loads(result)

# which category has the highest confidence?
pred_label_id = np.argmax(result)

print( “%s (%f)” % (object_categories[pred_label_id], result[pred_label_id] ) 
)

這是我需要參考以獲取結果的示例代碼嗎？

Answer 1

在創建和創建Sagemaker端點時，您已經部署了模型。 創建端點后，我們可以創建Lambda函數以使用您的模型。

請注意，您可以從任何地方調用模型，但是使用具有Lambda函數的API網關可以使您通過HTTP POST進行調用。 如果您的想法只是測試已部署的模型，最好使用筆記本電腦，但如果要在實際生產場景中進行測試，建議您使用Lambda + API Gateway解決方案（添加Cognito進行安全性驗證）。

在本AWS教程中，您可以學習如何使用AWS Lambda和API網關通過HTTP POST調用模型。

正如Thales Minussi所說，另一種選擇是直接調用您的端點（只要調用是v4簽名的 ），如果調用太多，這將大大降低成本。