amazon-web-services - 使用 Lambda 和 API 网关调用 Sagemaker 端点时出错

Question

我尝试在 Sagemaker 中使用 TensorFlow-Keras 模型进行预测，但收到以下错误:

在 Amazon Cloudwatch 中，对于 Lambda 函数:

An error occurred (ModelError) when calling the InvokeEndpoint operation: Received client error (415) from model with message "
{
    "error": "Unsupported Media Type: application/x-image"
}

在 Cloudwatch 中，对于 Sagemaker:

F external/org_tensorflow/tensorflow/core/util/tensor_format.h:426] Check failed: index >= 0 && index < num_total_dims Invalid index from the dimension: 3, 0, C

数据是以base64发送的图像，Lambda函数将此图像转换为字节，Lambda函数是:

def lambda_handler(event, context):
    print("Received event: " + json.dumps(event, indent=2))
    
    data = json.loads(json.dumps(event))
    payload = data['foto']
    image = base64.b64decode(payload)
    print(type(image))
    
    try:
        response = runtime.invoke_endpoint(EndpointName=ENDPOINT_NAME,
                                            ContentType='application/x-image',
                                            Body=image)
        print(response)
    except Exception as e:
        print("error en inferencia:")
        print(e)

    return payload # only for test

Answer 1

您似乎正在使用 SageMaker v2。使用 v2，您不直接设置 content_type，而是在 Serializer 实例中设置内容类型。您可以在 Predictor 的构造函数中执行此操作，也可以通过随后设置 predictor.serializer 来执行此操作。请注意，您可以使用已创建的序列化程序类，该类允许您指定 content_type，或者实现一个自定义类来处理 content_type。