Python 使用新端点配置更新Sagemaker端点

对Sagemaker再培训模型的自动化有点困惑

目前，我有一个笔记本实例，其中Sagemaker

LinearLerner

model完成了分类任务。因此，我使用

Estimator

进行培训，然后部署模型，创建

端点。然后使用
Lambda
函数调用该端点，我将其添加到
API网关
接收API端点，该端点可用于POST请求并使用类发送回响应

现在我面临着再培训的问题。为此，我使用
serverless
方法和
lambda
函数获取培训工作的环境变量。但问题是Sagemaker不允许重写培训工作，您只能创建一个新的。我的目标是，当新的培训作业和新的端点配置将应用于现有端点时，自动化该部分，我不需要在API网关中更改任何内容。是否有可能自动将新端点配置附加到现有端点

谢谢
如果我正确理解了问题，您应该能够在培训工作即将结束时使用，然后使用：

部署请求中指定的新EndpointConfig，切换到使用新创建的端点，然后删除使用以前的EndpointConfig为端点配置的资源（没有可用性损失）。

如果API网关/Lambda通过端点ARN路由，则在使用
UpdateEndpoint
是后不应更改，请使用
UpdateEndpoint
端点。但是，如果您使用的是Python Sagemaker SDK，请注意，可能会有一些文档要求您调用

model.deploy（…，update_endpoint=True）

这在Sagemaker SDK的v2中显然已被弃用：

您应该改用
预测器
：

来自sagemaker.predictor导入预测器
预测器=预测器（endpoint\u name=“YOUR-endpoint-name”，sagemaker\u会话=sagemaker\u会话\u对象）
predictor.update_端点（instance_type=“ml.t2.large”，initial_instance_count=1）