要在AWS Sagemaker端点推理中记录日志或打印语句，您可以使用以下解决方案：

1. 确保在创建Sagemaker模型时启用了日志记录。在创建模型时，可以使用enable_network_isolation=False和logs=True参数来启用日志记录。例如：

from sagemaker import get_execution_role
from sagemaker import Model

role = get_execution_role()
model = Model(model_data='s3://mybucket/mymodel.tar.gz',
              image='my-model-image',
              role=role,
              enable_network_isolation=False,  # 允许访问互联网资源
              logs=True)  # 启用日志记录

2. 如果您已经创建了模型，请确保已启用日志记录。您可以使用以下代码更新模型的属性：

from sagemaker import get_execution_role
from sagemaker import Model

role = get_execution_role()
model = Model(model_data='s3://mybucket/mymodel.tar.gz',
              image='my-model-image',
              role=role)

# 更新模型属性
model.enable_network_isolation(False)  # 允许访问互联网资源
model.enable_logs(True)  # 启用日志记录
model.save()

3. 在部署模型时，确保设置了wait=True参数以等待端点创建完成。

from sagemaker.predictor import RealTimePredictor
from sagemaker import get_execution_role
from sagemaker import Model
from sagemaker import Predictor

role = get_execution_role()
model = Model(model_data='s3://mybucket/mymodel.tar.gz',
              image='my-model-image',
              role=role,
              enable_network_isolation=False,
              logs=True)

predictor = model.deploy(initial_instance_count=1,
                         instance_type='ml.m4.xlarge',
                         wait=True)  # 等待端点创建完成

4. 使用RealTimePredictor对象来发送推理请求，并使用invoke_endpoint()方法来异步触发推理。

from sagemaker.predictor import RealTimePredictor
from sagemaker import get_execution_role
from sagemaker import Model
from sagemaker import Predictor

role = get_execution_role()
model = Model(model_data='s3://mybucket/mymodel.tar.gz',
              image='my-model-image',
              role=role,
              enable_network_isolation=False,
              logs=True)

predictor = model.deploy(initial_instance_count=1,
                         instance_type='ml.m4.xlarge',
                         wait=True)

# 创建RealTimePredictor对象
predictor = RealTimePredictor(endpoint=predictor.endpoint)

# 异步触发推理
response = predictor.invoke_endpoint_async(data='input_data',
                                           content_type='text/csv',
                                           target_variant='variant_name')

5. 检查Sagemaker端点的日志输出。您可以通过以下方法获取日志输出：

from sagemaker import get_execution_role
from sagemaker import Model

role = get_execution_role()
model = Model(model_data='s3://mybucket/mymodel.tar.gz',
              image='my-model-image',
              role=role,
              enable_network_isolation=False,
              logs=True)

# 获取Sagemaker端点的日志
logs = model.logs_for_job()
print(logs)

确保按照上述步骤中的示例代码正确配置和使用Sagemaker端点推理，并查看日志输出。这样您就可以在AWS Sagemaker端点推理中记录日志或打印语句了。