Models • 外部でホストされたモデル • Amazon SageMaker タブラーモデルの設定 • Palantir

モデルの接続と開発Models外部でホストされたモデルAmazon SageMaker タブラーモデルの設定

注: 以下の翻訳の正確性は検証されていません。AIPを利用して英語版の原文から機械的に翻訳されたものです。

Copied!1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
import palantir_models as pm
import models_api.models_api_executable as executable_api

import boto3
import json
import pandas as pd
import logging
from typing import Optional
from botocore.exceptions import ClientError

logger = logging.getLogger(__name__)


class SageMakerTabularAdapter(pm.ExternalModelAdapter):
    """
    :display-name: SageMaker Tabular Model Adapter
    :description: SageMakerモデルのデフォルトのモデルアダプター。表形式の入力を想定し、表形式のデータを出力します。
    """

    def __init__(self, region_name, endpoint_name, access_key_id, secret_access_key):
        self.endpoint_name = endpoint_name
        self.runtime = boto3.client(
            'runtime.sagemaker',
            aws_access_key_id=access_key_id,
            aws_secret_access_key=secret_access_key,
            region_name=region_name
        )

    @classmethod
    def init_external(cls, external_context) -> "pm.ExternalModelAdapter":
        region_name = external_context.connection_config["region_name"]
        endpoint_name = external_context.connection_config["endpoint_name"]
        access_key_id = external_context.resolved_credentials["access_key_id"]
        secret_access_key = external_context.resolved_credentials["secret_access_key"]
        return cls(
            region_name,
            endpoint_name,
            access_key_id,
            secret_access_key
        )

    @classmethod
    def api(cls):
        inputs = {"df_in": pm.Pandas()}
        outputs = {"df_out": pm.Pandas()}
        return inputs, outputs

    def predict(self, df_in):
        payload = {
            "instances": df_in.apply(lambda row: {"features": row.tolist()}, axis=1).tolist()
        }
        try:
            response = self.runtime.invoke_endpoint(
                EndpointName=self.endpoint_name,
                ContentType="application/json",
                Body=json.dumps(payload)
            )
        except ClientError as error:
            logger.error("SageMaker推論呼び出しが失敗しました。これは、このモデルのegressポリシーに問題があることを示す可能性があります。"
                         "設定されているegressポリシーを再確認し、リモートエンドポイントがまだ利用可能であることを確認してください。")
            raise error
        try:
            # モデルからの出力は、jsonシリアライズ可能であることが前提です
            # もし結果が実行プログラムに対して大きすぎる場合、この復号化によってOOMが発生する可能性があります
            result = json.loads(response['Body'].read().decode())
        except ValueError as error:
            logger.error("このSageMakerTabularAdapterは、結果がjsonシリアライズ可能であることを想定しています。")
            raise error
        return pd.json_normalize(result)