如何使用Postman调用Amazon SageMaker端点并构造请求Payload

别担心，SageMaker端点的Payload格式其实和你训练时的请求头关系不大，核心是看你的模型类型（内置算法/自定义模型）以及推理逻辑怎么解析输入。我给你分情况拆解：

1. 如果你用的是SageMaker内置算法（比如XGBoost、Linear Learner） #

内置算法都有固定的推理输入格式，常见的两种：

• CSV格式：直接传和训练时单条样本一致的特征值，用逗号分隔。比如训练时你的单条数据是0.5,2.3,1.1，那Payload就直接写这个字符串，请求头设置Content-Type: text/csv。
• JSON格式：用instances字段包裹特征数组，示例如下：

  {
    "instances": [
      [0.5, 2.3, 1.1]
    ]
  }
  

  这时候请求头要设Content-Type: application/json。

2. 如果你用的是自定义模型（自己写的训练/推理脚本） #

这时候完全看你在inference.py里的input_fn函数是怎么处理输入的——这个函数就是用来解析请求Payload的。举个例子：
如果你的input_fn是这么写的（只接受JSON格式，解析data字段）：

def input_fn(request_body, request_content_type):
    if request_content_type == 'application/json':
        import json
        input_data = json.loads(request_body)
        return input_data['data']
    raise ValueError(f"Unsupported content type: {request_content_type}")

那你Postman里的Payload就得对应这个结构：

{
  "data": [
    [0.5, 2.3, 1.1]
  ]
}

同时请求头必须设Content-Type: application/json。

快速摸准格式的小技巧 #

如果你记不清或者不确定，直接用SageMaker控制台的「测试端点」功能抄作业：

• 打开SageMaker控制台，找到你的端点，点击「测试」
• 选择对应内容类型，输入和训练时一致的单条测试数据
• 点击测试，成功后把这里的内容类型和Payload原封不动复制到Postman里就行

避坑提醒 #

• 一定要保证Content-Type和Payload格式匹配，不然会返回415错误
• 特征顺序必须和训练时完全一致，不然推理结果会完全不对
• 如果训练时做了数据预处理（比如归一化、编码），要么Payload传预处理后的数据，要么把预处理逻辑写到inference.py的input_fn里

内容的提问来源于stack exchange，提问作者Sujay DSa