调用异步终端节点 - Amazon SageMaker
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。

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。

调用异步终端节点

从异步终端节点托管的模型中获取推论InvokeEndpointAsync.

注意

如果您尚未这样做，请将推理数据（例如机器学习模型、示例数据）上传到 Amazon S3。

在中指定推理数据的位置InputLocation字段和终端节点的名称EndpointName：

# Create a low-level client representing Amazon SageMaker Runtime
sagemaker_runtime = boto3.client("sagemaker-runtime", region_name=<aws_region>)

# Specify the location of the input. Here, a single SVM sample
input_location = "s3://bucket-name/test_point_0.libsvm"

# The name of the endpoint. The name must be unique within an AWS Region in your AWS account. 
endpoint_name='<endpoint-name>'

# After you deploy a model into production using SageMaker hosting 
# services, your client applications use this API to get inferences 
# from the model hosted at the specified endpoint.
response = sagemaker_runtime.invoke_endpoint_async(
                            EndpointName=endpoint_name, 
                            InputLocation=input_location)

您会收到一个 JSON 字符串的响应，其中包含请求 ID 和 Amazon S3 存储桶的名称，该存储桶将在处理 API 调用后响应该调用。