AWS SageMaker Autopilot生成Endpoint调用异常问题咨询

咱们先逐个拆解你遇到的问题，然后给出完整的正确调用方法：

错误1：415 Unsupported Content Type #

An error occurred (ModelError) when calling the InvokeEndpoint operation: Received client error (415) from container-1 with message "'application/json' is an unsupported content type."

这个问题的核心是你没指定模型期望的Content-Type。AWS SageMaker Autopilot训练的文本类模型，默认不接受application/json格式的输入，通常期望的是text/plain（单条文本输入）或者text/csv（多特征/批量输入）。

解决方案： #

调用命令时添加--content-type参数，指定模型支持的类型。比如如果是单条文本输入，用：

--content-type 'text/plain'

错误2：Invalid base64 #

Invalid base64: "Im happy!"

这个问题很明确：SageMaker Runtime的invoke-endpoint命令要求--body参数必须是base64编码后的字符串，你直接传入了原始文本，所以触发了编码错误。

解决方案： #

先把你的输入文本转成base64编码。在Linux/macOS终端可以用这个命令生成编码结果：

echo -n "I'm happy!" | base64

执行后会得到类似SSdtIGhhcHB5IQ==的字符串，这才是你要传给--body的值。

完整的正确调用命令示例 #

把上面两个修正点结合起来，最终的调用命令应该是这样的：

aws sagemaker-runtime invoke-endpoint \
    --endpoint-name autopilottest \
    --content-type 'text/plain' \
    --body 'SSdtIGhhcHB5IQ==' \
    output.txt

• output.txt是存放模型预测结果的文件，你可以换成任意文件名。
• 如果你的模型需要CSV格式输入（比如包含多个特征列），把--content-type改成text/csv，并将输入整理成CSV格式后再base64编码（比如"feature1,feature2,feature3"转成base64）。

额外验证小技巧 #

你可以查看Autopilot训练作业的「模型推理规范」，里面会明确标注模型支持的输入Content-Type和数据格式，确保和你传入的参数匹配。

内容的提问来源于stack exchange，提问作者DeadSec