在调用多模型的Sagemaker Endpoint时，我收到了它不是多模型的错误信息。我是这样创建它的。

create_endpoint_config_response = client.create_endpoint_config(    EndpointConfigName=endpoint_config_name,    ProductionVariants=[        {            "InstanceType": "ml.m5.large",            "InitialVariantWeight": 0.5,            "InitialInstanceCount": 1,            "ModelName": model_name1,            "VariantName": model_name1,        },         {            "InstanceType": "ml.m5.large",            "InitialVariantWeight": 0.5,            "InitialInstanceCount": 1,            "ModelName": model_name2,            "VariantName": model_name2,        }    ])

我在GUI中确认它确实有多个模型。我是这样调用它的：

response = client.invoke_endpoint(    EndpointName=endpoint_name,     TargetModel=model_name1,    ContentType="text/x-libsvm",     Body=payload)

然后收到了这个错误：

ValidationError: 在调用InvokeEndpoint操作时发生错误（ValidationError）：Endpointmy-endpoint1不是多模型端点，不支持目标模型头信息。

相同的问题在这里被讨论过，但没有解决方案。

我如何调用多模型端点？

回答：

答案（见GitHub讨论）是这个错误信息根本就是错误的。

为了避免这个错误，必须使用模型的本地文件名（通常是model_filename.tar.gz形式），而不是模型名称。

文档确实提到了这一点，尽管它缺少关键的细节。

我发现这是最好的例子。请查看该Notebook的最后一部分，其中使用了invoke_endpoint（而不是Notebook前面使用的预测器）。

关于该模型文件的位置：这个Notebook说明：

在为多模型端点创建模型实体时，容器的ModelDataUrl是端点可调用的模型工件所在的S3前缀。调用模型时将指定S3路径的其余部分。