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。

# 检查预测结果
<a name="async-inference-check-predictions"></a>

您可以使用多种方法来检查异步端点的预测结果。这些选项包括：

1. Amazon SNS 主题。

1. 在 Amazon S3 存储桶中查看输出。

## Amazon SNS 主题
<a name="async-inference-check-predictions-sns-topic"></a>

Amazon SNS 是面向消息收发应用程序的通知服务，多个订阅用户可以选择通过多种传输协议（包括 HTTP、Amazon SQS 和电子邮件）请求和接收注重时效消息的“推送”通知。当您使用 [https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpointConfig.html](https://docs.aws.amazon.com/sagemaker/latest/APIReference/API_CreateEndpointConfig.html) 创建端点并指定了 Amazon SNS 主题时，Amazon SageMaker 异步推理会发布通知。

**注意**  
要接收 Amazon SNS 通知，您的 IAM 角色必须具有 `sns:Publish` 权限。有关使用异步推理必须满足的要求的信息，请参阅[完成 先决条件](async-inference-create-endpoint-prerequisites.md)。

要使用 Amazon SNS 检查异步端点的预测结果，您首先需要创建一个主题，订阅并确认订阅该主题，然后记下该主题的 Amazon 资源名称 (ARN)。有关如何创建、订阅和查找 Amazon SNS 主题的 Amazon ARN 的详细信息，请参阅[配置 Amazon SNS](https://docs.aws.amazon.com/sns/latest/dg/sns-configuring.html)。

使用 `CreateEndpointConfig` 创建端点配置时，请在 `AsyncInferenceConfig` 字段中提供 Amazon SNS 主题 ARN。您可以同时指定 Amazon SNS `ErrorTopic` 和 `SuccessTopic`。

```
import boto3

sagemaker_client = boto3.client('sagemaker', region_name=<aws_region>)

sagemaker_client.create_endpoint_config(
    EndpointConfigName=<endpoint_config_name>, # You specify this name in a CreateEndpoint request.
    # List of ProductionVariant objects, one for each model that you want to host at this endpoint.
    ProductionVariants=[
        {
            "VariantName": "variant1", # The name of the production variant.
            "ModelName": "model_name", 
            "InstanceType": "ml.m5.xlarge", # Specify the compute instance type.
            "InitialInstanceCount": 1 # Number of instances to launch initially.
        }
    ],
    AsyncInferenceConfig={
        "OutputConfig": {
            # Location to upload response outputs when no location is provided in the request.
            "S3OutputPath": "s3://<bucket>/<output_directory>"
            "NotificationConfig": {
                "SuccessTopic": "arn:aws:sns:aws-region:account-id:topic-name",
                "ErrorTopic": "arn:aws:sns:aws-region:account-id:topic-name",
            }
        }
    }
)
```

创建端点并进行调用后，您将收到来自 Amazon SNS 主题的通知。例如，如果您进行订阅以从主题接收电子邮件通知，那么每次调用端点时，您都会收到一封电子邮件通知。以下示例显示成功调用电子邮件通知的 JSON 内容。

```
{
   "awsRegion":"us-east-1",
   "eventTime":"2022-01-25T22:46:00.608Z",
   "receivedTime":"2022-01-25T22:46:00.455Z",
   "invocationStatus":"Completed",
   "requestParameters":{
      "contentType":"text/csv",
      "endpointName":"<example-endpoint>",
      "inputLocation":"s3://<bucket>/<input-directory>/input-data.csv"
   },
   "responseParameters":{
      "contentType":"text/csv; charset=utf-8",
      "outputLocation":"s3://<bucket>/<output_directory>/prediction.out"
   },
   "inferenceId":"11111111-2222-3333-4444-555555555555", 
   "eventVersion":"1.0",
   "eventSource":"aws:sagemaker",
   "eventName":"InferenceResult"
}
```

## 检查您的 S3 存储桶
<a name="async-inference-check-predictions-s3-bucket"></a>

当您使用 `InvokeEndpointAsync` 调用端点时，它会返回一个响应对象。您可以使用响应对象获取用于存储输出的 Amazon S3 URI。有了输出位置，您就可以使用 SageMaker Python SDK SageMaker AI 会话类，以编程方式检查输出。

以下命令将 `InvokeEndpointAsync` 的输出字典存储为以变量命名的响应。使用响应变量，您可以随后获取 Amazon S3 输出 URI，并将其存储为名为 `output_location` 的字符串变量。

```
import uuid
import boto3

sagemaker_runtime = boto3.client("sagemaker-runtime", region_name=<aws_region>)

# Specify the S3 URI of the input. Here, a single SVM sample
input_location = "s3://bucket-name/test_point_0.libsvm" 

response = sagemaker_runtime.invoke_endpoint_async(
    EndpointName='<endpoint-name>',
    InputLocation=input_location,
    InferenceId=str(uuid.uuid4()), 
    ContentType="text/libsvm" #Specify the content type of your data
)

output_location = response['OutputLocation']
print(f"OutputLocation: {output_location}")
```

有关支持的内容类型的信息，请参阅[用于推理的常见数据格式](cdf-inference.md)。

有了 Amazon S3 的输出位置，随后您就可以使用 [SageMaker Python SDK SageMaker AI 会话类](https://sagemaker.readthedocs.io/en/stable/api/utility/session.html?highlight=session)来读入 Amazon S3 文件。下面的代码示例演示了如何创建函数 (`get_ouput`)，该函数会反复尝试从 Amazon S3 输出位置读取文件：

```
import sagemaker
import urllib, time
from botocore.exceptions import ClientError

sagemaker_session = sagemaker.session.Session()

def get_output(output_location):
    output_url = urllib.parse.urlparse(output_location)
    bucket = output_url.netloc
    key = output_url.path[1:]
    while True:
        try:
            return sagemaker_session.read_s3_file(
                                        bucket=output_url.netloc, 
                                        key_prefix=output_url.path[1:])
        except ClientError as e:
            if e.response['Error']['Code'] == 'NoSuchKey':
                print("waiting for output...")
                time.sleep(2)
                continue
            raise
            
output = get_output(output_location)
print(f"Output: {output}")
```