05. 终端调用的步骤

• 你可以通过在predictor上调用.deploy（）并传入有关该实例的一些信息来启动端点。

xgb_predictor = xgb.deploy(initial_instance_count = 1, instance_type = 'ml.m4.xlarge')

• 然后，你需要告诉你的端点，它希望将哪种类型的数据视为输入（如.csv）。

from sagemaker.predictor import csv_serializer

xgb_predictor.content_type = 'text/csv'
xgb_predictor.serializer = csv_serializer

• 下一步，进行推理（inference）。你可以将一些数据作为消息的“正文”传递给端点并获得回复。

response = runtime.invoke_endpoint(EndpointName = xgb_predictor.endpoint,   # The name of the endpoint we created
                                       ContentType = 'text/csv',                     # The data format that is expected
                                       Body = ','.join([str(val) for val in test_bow]).encode('utf-8'))

• 推理数据存储在响应的“正文”中，可以如下获取：

response = response['Body'].read().decode('utf-8')
print(response)

• 最后，不要忘记在完成使用后关闭终端。

xgb_predictor.delete_endpoint()