SagemakerEndpointCrossEncoder#
- class langchain_community.cross_encoders.sagemaker_endpoint.SagemakerEndpointCrossEncoder[source]#
基础类：
BaseModel,BaseCrossEncoderSageMaker推理CrossEncoder端点。
要使用，您必须提供已部署的Sagemaker模型的端点名称及其部署的区域。
为了进行身份验证，AWS客户端使用以下方法自动加载凭据： https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html
如果应该使用特定的凭证配置文件，您必须传递要使用的来自~/.aws/credentials文件的配置文件的名称。
确保使用的凭据/角色具有访问Sagemaker端点所需的策略。 参见: https://docs.aws.amazon.com/IAM/latest/UserGuide/access_policies.html
通过解析和验证来自关键字参数的输入数据来创建一个新模型。
如果输入数据无法验证以形成有效模型，则引发 [ValidationError][pydantic_core.ValidationError]。
self 被显式地设为仅位置参数，以允许 self 作为字段名称。
- param content_handler: CrossEncoderContentHandler = <langchain_community.cross_encoders.sagemaker_endpoint.CrossEncoderContentHandler object>#
- param credentials_profile_name: str | None = None#
配置文件在 ~/.aws/credentials 或 ~/.aws/config 文件中的名称，该文件指定了访问密钥或角色信息。 如果未指定，将使用默认的凭证配置文件，如果在 EC2 实例上，则使用来自 IMDS 的凭证。 参见：https://boto3.amazonaws.com/v1/documentation/api/latest/guide/credentials.html
- param endpoint_kwargs: Dict | None = None#
传递给invoke_endpoint函数的可选属性。请参阅`boto3`_文档以获取更多信息。 .. _boto3: <https://boto3.amazonaws.com/v1/documentation/api/latest/index.html>
- param endpoint_name: str = ''#
已部署的Sagemaker模型的端点名称。 在AWS区域内必须是唯一的。
- param model_kwargs: Dict | None = None#
传递给模型的关键字参数。
- param region_name: str = ''#
Sagemaker模型部署的AWS区域，例如us-west-2。