Amazon web services 完成培训工作并创建终点后，如何在AWS SageMaker中部署图像分类模型

我已经使用内置图像分类模型训练了一个模型，通过lst文件的原始图像对两个手机模型进行分类。例如：Iphone6splus和Iphone7plus 所以类的数量是2，我使用的数据集的数量是1600个图像，每个类800个

之后，我使用已经完成的制革工作中的工件数据在控制台中创建了端点

为了部署模型来测试准确性，我需要使用juputer笔记本

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] ) 
)

---

这是我需要参考以获得结果的示例代码吗？

当您创建并使用Sagemaker endpoit时，您已经部署了您的模型。在创建端点之后，我们可以创建一个Lambda函数来使用您的模型

请注意，您可以从任何地方调用您的模型，但是使用带有Lambda函数的API网关可以通过HTTPPOST进行调用。如果您的想法只是测试部署的模型，那么最好使用笔记本，但是如果您想在实际生产场景中进行测试，我建议您使用Lambda+API网关解决方案添加Cognito进行安全验证

您可以学习如何使用AWS Lambda和API网关通过HTTP POST调用您的模型

---

如前所述，另一种选择是直接调用端点，只要调用完成，这将大大降低调用过多的成本

在SageMaker中创建端点时，实际上是在部署模型，可以开始使用端点名称调用它。你到底在问什么？我想确认使用笔记本是否是测试模型结果的方法。你可以像你描述的那样在笔记本上这样做，但你可以在其他任何地方这样做。您可以创建一个网页，上传图像并查看结果，创建一个自动服务，发送一批图像并检查其类等。所有这些都使用sagemaker-realtime的SDK。只要调用是v4签名的，sagemaker端点也可以直接调用，如果有太多的调用，这将大大降低成本。@ThalesMinussi我可以用这些信息编辑我的答案吗？谢谢，先生，我只想在模型中测试部署的模型，但我不熟悉该界面的编码，如果我想学习它，我应该参考哪里。AWS博客，AWS文档和AWS youtube频道。。。试试这些演示