为什么在SageMaker中成功执行了生命周期脚本也没有更新包？
在SageMaker中成功执行生命周期脚本但没有更新包的原因可能有以下几点：
- 脚本执行错误：首先需要确保生命周期脚本在SageMaker中成功执行，没有出现任何错误。可以检查脚本的日志输出或者查看SageMaker控制台中的运行日志，确保脚本没有发生异常。
- 脚本未正确配置：生命周期脚本需要正确配置才能在SageMaker中生效。确保脚本已经正确地添加到SageMaker实例的配置中，并且配置已经应用到实例上。可以通过检查SageMaker实例的配置文件或者使用SageMaker SDK来确认配置是否正确。
- 包更新未触发：SageMaker的生命周期脚本通常用于在训练作业或者推理实例启动时执行一些自定义操作，例如安装依赖包或者更新模型。如果脚本中的操作没有触发包的更新，可能是因为已经安装的包版本已经满足了需求，或者脚本中的逻辑没有正确判断是否需要更新包。
- 包更新逻辑错误：如果生命周期脚本中包更新的逻辑有误，可能导致包没有被正确更新。可以检查脚本中的更新逻辑，确保逻辑正确并且能够正确地更新包。
总结起来，如果在SageMaker中成功执行了生命周期脚本但没有更新包，需要确保脚本执行成功且没有错误，脚本已正确配置并应用到实例上，包更新的逻辑正确并且能够正确触发更新。如果问题仍然存在，可以进一步检查脚本和配置，或者尝试重新执行脚本来解决问题。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云SageMaker产品介绍：https://cloud.tencent.com/product/sagemaker
- 腾讯云SageMaker实例配置指南：https://cloud.tencent.com/document/product/851/39088
相关·内容
1回答
我使用亚马逊SageMaker来训练HuggingFace模型。在提供给估计器的培训脚本的末尾，我将模型保存到正确的路径(SM_MODEL_DIR)中：
if __name__ == "__main__":
parser = argparse.ArgumentParser()
parser.add_argument("--model-dir", type=str, default=os.environ["SM_MODEL_DIR"])
...
trainer.model.save_pretrai
浏览 3提问于2021-10-01得票数 1
我使用terraform创建了Sagemaker notebook实例，并部署了Jupyter notebook python脚本来创建和部署回归模型。
我能够通过AWS控制台手动运行脚本并成功创建模型。然而，我找不到一种方法让它自动执行。我甚至尝试在notebook实例的生命周期配置中通过shell命令执行脚本。然而，它并没有像预期的那样工作。还有其他的想法吗？
浏览 0提问于2020-06-30得票数 2
我想在SageMaker的'conda-python3‘中更新panda版本，我已经按照这个page中的步骤进行了更新，并将新的配置链接到我的实例，CloudWatch日志显示脚本已经成功执行，但是当我重启实例并打印出panda版本时，它仍然显示旧版本0.24.2，我不明白为什么？ ? 以下是生命周期配置中的脚本： #!/bin/bash
sudo -u ec2-user -i <<'EOF'
pip install pandas
conda update pandas
source deactivate
EOF
浏览 18提问于2020-07-05得票数 0
回答已采纳
我希望在studio中使用生命周期配置，这样在用户笔记本的开始时，它就运行给定的生命周期配置。
我的生命周期配置将有shell脚本，它将启动cronjob，拥有python脚本来发送附加笔记本的运行时间。
#!/bin/bash
set -e
# PARAMETERS
IDLE_TIME=120
echo "Fetching the autostop script"
aws s3 cp s3://testing-west2/duration-check.py .
aws s3 cp s3://testing-west2/on-start.sh .
echo "St
浏览 0提问于2021-03-26得票数 2
有谁能提供一个使用SageMaker管道来部署火炬模型的示例？
我使用了MLOps模板(用于建模、培训和部署的MLOps模板)来构建MLOps项目。
该模板使用sagemaker管道来构建一个管道，用于模型的预处理、训练和注册。部署脚本在YAML文件中实现，并使用CloudFormation运行。在注册模型时，将自动触发部署脚本。
模板使用xgboost模型来训练数据和部署模型。我想使用毕道尔并部署它。我成功地用xgboost替换了这个手电筒，并成功地对数据进行了预处理，对模型进行了训练并注册了模型。但我没有在我的模型中使用inference.py。所以我得到了模型部署的错误。
更新端点时的错
浏览 1提问于2021-10-11得票数 0
我正在尝试在终端会话中在我们的ec2环境中构建一个新的conda环境。原始环境副本中的包已损坏，环境变得不可用。这个问题无法通过删除软件包和重新安装或使用conda update来解决。
我使用conda env remove -n python3-cn对环境进行了核化，然后尝试用以下方法重新创建环境：
conda env create -p /home/ec2-user/SageMaker/anaconda3/envs/python3-cn --file=${HOME}/SageMaker/efs/.sagemaker/python3-cn_environment.yml --force
这
浏览 4提问于2020-07-15得票数 1
回答已采纳
当我可以在本地运行这个代码片段时，我一直在努力在Sagemaker studio的Jupyter笔记本中运行它。我之前导入了Sagemaker。我可以顺利地导入Sagemaker，并且我之前已经安装了它。 from sagemaker.workflow.lambda_step import LambdaStep 下面是我试图运行它时抛出的错误： ModuleNotFoundError: No module named 'sagemaker.workflow.lambda_step' 我还尝试了不同的导入方式，比如在调用函数时直接使用“from sagemaker.workfl
浏览 25提问于2021-08-12得票数 0
回答已采纳
我正在为SageMaker和气流部署一个完整的ML管道。我想将培训和处理部分工作分开。
我有一个关于SageMakerProcessingOperator()的问题。这个操作符依赖于函数。当使用这个操作符时，我想要扩展用于处理的基本码头图像，以便使用自制的脚本。目前，当我将容器推送到aws时，处理工作正常。但是，我更愿意使用存储在打包模型中的脚本的一部分(使用tar.gz格式)。
为了训练和注册模型，我们可以指定用于扩展sagemaker_submit_directory和SAGEMAKER_PROGRAM env变量(cf )的图像。但是，看起来使用SageMakerProcessingOp
浏览 7提问于2022-05-02得票数 0
1回答
我的机器上有科拉斯训练脚本。我正在实验在AWS sagemaker容器上运行我的脚本。为此，我使用了下面的代码。
from sagemaker.tensorflow import TensorFlow
est = TensorFlow(
entry_point="caller.py",
source_dir="./",
role='role_arn',
framework_version="2.3.1",
py_version="py37",
instance_typ
浏览 2提问于2021-06-09得票数 0
回答已采纳
有人想出了如何在AWS Sagemaker Notebook实例上安装软件包，以便在PySpark内核中可用吗？我现在做了几次尝试，包括生命周期脚本，但似乎就是错过了正确的python env。有问题的包是joblib，但我猜它不应该有什么关系？！
浏览 12提问于2019-12-23得票数 3
1回答
当我尝试在脚本模式下为tensorflow在本地运行sagemaker时。好像我拉不动码头集装箱。我已经运行了下面的代码从一个sagemaker笔记本实例，一切运行良好。但在我的机器上运行它就不起作用了。
如何下载容器，以便在本地调试？
import os
import sagemaker
from sagemaker.tensorflow import TensorFlow
hyperparameters = {}
role = 'arn:aws:iam::xxxxxxxx:role/yyyyyyy'
estimator = TensorFlow(
entry_
浏览 0提问于2019-01-28得票数 2
回答已采纳
1回答
我要在amazon sagemaker中迈出我的第一步。我正在使用脚本模式来训练分类算法。训练是可以的，但是我不能做增量训练。我想用新的数据再次训练同样的模型。这就是我所做的。这是我的剧本：
import sagemaker
from sagemaker.tensorflow import TensorFlow
from sagemaker import get_execution_role
bucket = 'sagemaker-blablabla'
train_data = 's3://{}/{}'.format(bucket,'train'
浏览 3提问于2019-11-28得票数 1
回答已采纳
我想设置一些自动调度来运行我的SageMaker笔记本。
目前，我发现了这样的链接：
我按照步骤设置lamda、cloudwatch和生命周期配置。
在不同的实验中，有时on_start生命周期配置可以执行jupyter笔记本(在笔记本中，我只需安装一些包并加载包，并将加载状态保存到S3桶中)。然而，它失败了，因为它无法停止笔记本电脑。
然后，我为我的IAM角色添加了SageMaker自动停止的权限。现在，笔记本实例可以打开并关闭。但是我再也没有看到任何上传到我的S3上的东西了。我想知道on_start在完成步骤之前是否太早就启动了自动停止？
下面是我当前生命周期配置的脚本
set -e
浏览 8提问于2020-10-20得票数 3
我创建了一个码头图像，它的入口点是processing.py。该脚本从/opt/ml/ processing /input和处理后从/opt/ml/processing/output文件夹获取数据。
为了处理数据，我应该将文件放在/opt/ml/ S3 / processing /input中，然后从/opt/ml/processing/output中选择已处理的文件到s3中。
sagemaker中的以下脚本正在正确地执行：
from sagemaker.processing import Processor, ProcessingInput, ProcessingOutput
import
浏览 9提问于2022-11-27得票数 0
我可以用boto3启动/停止Sagemaker笔记本，但是如何在里面运行jupyter笔记本或.py脚本呢？
这是我将从本地环境或lambda运行的东西(但这没有问题)。
启动Sagemaker笔记本实例：
import boto3
client = boto3.client('sagemaker')
client.start_notebook_instance(
NotebookInstanceName='sagemaker-notebook-name'
)
在UI中，我只需单击“Open木星”，然后在其中运行一个笔记本或.py脚本。
浏览 0提问于2019-05-13得票数 5
我想连接AWS Sagemaker笔记本到AWS胶数据目录。
我注意到我可以从Glue DevEndpoint上启动一个Sagemaker笔记本，也可以在Sagemaker上创建。
此时，我正在使用将笔记本从S3桶导入到Sagemaker：
#!/bin/bash -xe
set -e
sudo -u ec2-user -i <<'EOF'
source activate python3
pip install sparkmagic
source deactivate
EOF
CP_SAMPLES=true
s3region=s3.amazonaws.com
SRC
浏览 6提问于2022-01-26得票数 0
我使用了一个部署在SageMaker中的TF模型来进行预测。预测的输入是一个字符串数组。例如，我可以使用以下命令成功调用它：
input = {
'instances': ["Hello world"]
}
from sagemaker.tensorflow.model import TensorFlowPredictor
predictor = TensorFlowPredictor('endpoint-name', sagemaker_session)
predictor.predict(input)
但是，如果字符串数组中的字符串包含&
浏览 28提问于2020-02-27得票数 0
每次启动sagemaker笔记本电脑时，我都想启动一个EMR集群。但是，我发现生命周期配置脚本运行时间不能超过5分钟。遗憾的是，我的EMR集群需要超过5分钟才能启动。这是一个问题，因为我需要等待集群启动，以便检索主ip地址(该ip地址随后用于配置sagemaker notebbok和集群之间的连接)。
下面是运行到生命周期配置脚本中的代码的摘录。
有没有人遇到过类似的问题，并找到了解决方案？
job_flow_id = client.run_job_flow(**CLUSTER_CONFIG)['JobFlowId']
...
...
# Retrieve private
浏览 17提问于2019-02-12得票数 0
回答已采纳
目前，我正在建立一个自定义的sagemaker容器，以便在Sagemaker上运行培训作业，并且已经成功地这样做了。然而，我对这个问题有点困惑，这个问题现在困扰着我，而且肯定是我将来需要考虑的问题。
在声明sagemaker培训作业时，可以在自定义容器上运行自定义脚本吗？
我目前对于创建自定义的sagemaker映像的理解是，我创建了一个在运行培训作业时执行的火车文件，但是我永远找不到文档说明是否可以覆盖这个文件并运行一个培训脚本(但是使用相同的自定义容器)，比如我们如何使用内置的算法运行培训作业。对于自定义算法，我们是否受到这一限制的限制？
浏览 9提问于2022-06-24得票数 1
回答已采纳
我正在使用以下Dockerfile创建一个码头映像：
FROM python:3.7
RUN apt-get update && pip install sagemaker boto3 numpy sagemaker-training
# Copies the training code inside the container
COPY cv.py /opt/ml/code/train.py
COPY scikit_learn_iris.py /opt/ml/code/scikit_learn_iris.py
# Defines train.py as script en
浏览 8提问于2022-09-03得票数 0
我想用SageMaker训练一个定制的ML模型。模型是用Python编写的，应该以Docker映像的形式发送给SageMaker。下面是我的Dockerfile的简化版本(模型位于train.py文件中)：
FROM amazonlinux:latest
# Install Python 3
RUN yum -y update && yum install -y python3-pip python3-devel gcc && yum clean all
# Install sagemaker-containers (the official SageMak
浏览 0提问于2020-03-31得票数 1
回答已采纳
我试图通过在environment.yml文件中指定包版本，在Sagemaker上的Conda环境中使用最新版本的PyTorch (1.7.0)。但是，我得到了一个ResolvePackageNotFound错误。请注意，我正在使用一台Jupyter笔记本电脑，其内核与这个Conda环境相对应。我没有使用深度学习图像。 重现步骤： 将下面的代码另存为.yml文件，导航到存储此.yml文件的位置，然后运行conda env create environment.yml。 name: test_env
dependencies:
- numpy
- pandas
- pytorch&
浏览 28提问于2020-12-11得票数 1
我正在使用AWS Sagemaker笔记本实例进行一些实验。因为我还在使用在notebook启动期间执行的生命周期配置脚本，并希望设置一些环境变量。
由于某些原因，当我在生命周期外壳脚本中设置多个环境变量时，它们不是由实例设置的，也就是说，当我执行echo $FOO时，相关变量不会打印出来。
但是，当我只设置一个env变量时，它是有效的，我可以在我的notebook会话中使用它。
我的理解是我启动了所需的内核，
我还尝试通过运行export FOO=BAR来设置笔记本中的环境变量，但同样不起作用。按照亚马逊网络服务提供的示例脚本，我进行了更改以设置变量，但是当我打印$FOO时，它似乎不显示。
浏览 2提问于2019-08-05得票数 3
1回答
我让MLFlow服务器运行在ec2实例端口5000上。
此ec2实例具有安全组，在端口5000上打开TCP连接到指定用于SageMaker的另一个安全组。
ec2实例入站规则：
SageMaker出站规则：
这两个安全组位于同一个VPC中。
现在，我尝试使用指定的安全组运行SageMaker培训任务，这样培训脚本将通过内部IP地址将指标记录到ec2服务器。(回答为)，但连接失败
SageMaker作业项目：
role = "ml_sagemaker"
security_group_ids = ['sg-04868acca16e81183'
浏览 1提问于2021-02-19得票数 1
我无法获得配置，以便在启动Sagemaker笔记本时，用我的jupyter笔记本在目录中创建一个普通的.txt文件。
今后，我将向该文件添加文本，但创建该文件是第一步。
启动笔记本脚本：
#!/bin/bash
set -e
touch filename.txt
注意：，我已经编辑了我的笔记本来添加这个生命周期配置。
但当笔记本开始，我打开它，文件不存在。这个是可能的吗？
浏览 1提问于2019-05-14得票数 0
1回答
目前，我正在用SageMaker在AWS上运行一个概念的快速机器学习示例，我遇到了两个库：sagemaker和sagemaker_pyspark。我想处理分布式数据。我的问题是：
使用sagemaker是否等同于在不利用AWS的分布式计算能力的情况下运行培训任务？如果不是，我想如果不是，他们为什么要实现sagemaker_pyspark？基于这个假设，我不明白在scikit-learn笔记本上使用SageMaker (在计算能力方面)会提供什么。
对于一个小的测试数据集，像model = xgboost_estimator.fit(training_data)这样的东西使用sa
浏览 2提问于2021-03-26得票数 1
回答已采纳
1回答
我了解到android数据库的编写是一个缓慢的过程，需要一些时间来处理。在系统上执行任何其他工作之前，如何获得数据库写入/更新成功的通知？
例如，我正在编写一个SMS应用程序，该应用程序检查数据库中是否有挂起的消息。当它发现挂起的消息时，它会发送SMS并将消息状态更新为成功。
我正在运行循环来查找挂起的SMS。因为更新数据库需要一些时间，所以在这段时间内循环运行了几次&发送了多条短信。如果我可以等到数据库更新成功，那么这个问题就可以解决了。
谢谢大家
浏览 1提问于2012-01-14得票数 0
我们现在可以直接从SageMaker Studio将Docker映像发布到AWS，使用以下代码-- --我遵循了简单的安装说明：
!pip install sagemaker-studio-image-build
sm-docker build .
此外，信任策略和权限已经按照说明中的说明进行了设置。但我得到了错误“命令没有成功退出对接推”，在这个阶段，它正在将docker映像推送到AWS。知道为什么吗？下面是作为输出打印的详细信息：
[Container] 2021/05/04 06:57:20 Running command echo Pushing the Docker image..
浏览 4提问于2021-05-04得票数 0
回答已采纳
我的组件如下：
export default class Link extends React.Component {
state = { url: "" };
async componentDidMount() {
const result = await MyUrlService.getUrl(this.props.urlId);
this.setState({
url: result
});
}
render() {
return (
this.state.url && (
浏览 22提问于2019-11-20得票数 0
我试着用你自己的容器技术来训练我的模型。我的模型培训运行正常，在本地没有任何问题。但是我的坞映像将env文件作为一个输入，可以在不同的运行中进行更改。但是在sagemaker中，当传递ECR映像时，我不知道如何传递这个env文件。因此，在train脚本中，我添加了export KEY=value语句来创建变量，这是由sagemaker调用的。即使这样也没有暴露我的变数。我尝试的另一种方法是在构建映像的同时执行RUN source file.env。即使是这种方法也没有奏效，因为我得到了一个错误的/bin/sh: 1: source: not found。
我可以尝试ENV，同时构建我的形象，这
浏览 5提问于2021-10-12得票数 2
回答已采纳
我们在本地培训我们的sklearn模型，然后将它作为*.tar.gz文件上传到S3，以便通过S3部署它。在这里，我们使用Sagemaker自己的SKLearnModel对接映像，并将我们的模型部署到一个Sagemaker端点。我们的方法类似于或中描述的方法。
基本上，我们的Sagemaker笔记本中的代码是什么样子的：
from sagemaker.sklearn.model import SKLearnModel
sagemaker_model = SKLearnModel(model_data='s3://ourModelS3Bucket/ourModelTarball.tar.
浏览 1提问于2019-11-20得票数 1
在我的react应用程序中，我有这样的代码
<div>{someVariable}</div>
const someVariabe = "<p id="test">Test</p>
<script>setInterval(() => alert('!!!'), 5000)</script>"
呈现HTML后，如下所示
<div>
<p id="test">Test</p>
<script>set
浏览 0提问于2019-06-06得票数 0
我使用内置的SageMaker语义分割算法训练了一个sagemaker语义分割模型.这会将ok部署到SageMaker端点，我可以从它成功地在云中运行推断。我想在边缘设备(AWS全景设备)上使用模型，这应该意味着用SageMaker Neo编译模型，使其符合目标设备的规范。
然而，不管我的目标设备是什么( Neo设置)，我似乎无法使用Neo编译模型，因为我得到了以下错误：
ClientError: InputConfiguration: No valid Mxnet model file -symbol.json found
语义分段模型的model.tar.gz包含hyperparams.j
浏览 1提问于2022-03-22得票数 0
回答已采纳
我正在按照一个AWS示例notebook训练maskrcnn模型。 我唯一不理解的是我没有使用子网和security_group_ids。我在整个COCO2017集合上进行了训练，19个小时后，训练状态显示训练完成。 但在CloudWatch中，日志显示“您的模型将无法使用SageMaker TensorFlow Serving container提供服务。模型工件未保存在TensorFlow SavedModel目录结构中”。 我很困惑。它是否期望作为此maskrcnn的训练模型？如果是这样的话，这个模型似乎不能部署。因为根据此doc，部署操作将在SageMaker TensorFlow服
浏览 59提问于2021-10-06得票数 0
为了创建我的Glue脚本，我使用与运行Pyspark (Sparkmagic)内核的Sagemaker笔记本一起的开发端点。最新版本的Glue (1.0版)支持Spark2.4。然而，我的Spark笔记本电脑使用的是Spark版本2.2.1。我想测试的函数只在Spark2.3中存在。有办法解决dev端点和Glue作业之间的不匹配吗？我能以某种方式设置这个笔记本的火花版本吗？
我在文件里什么都找不到。
浏览 1提问于2019-08-26得票数 2
回答已采纳
1回答
在使用Tensorflow进行Sagemaker训练作业的非脚本模式下，我可以使用checkpoint_path在S3中指定检查点路径。
但是，在脚本模式下，此参数被禁用。
如何在脚本模式下从Sagemaker Tensorflow培训作业的最新检查点开始？
浏览 14提问于2020-02-24得票数 0
※我用谷歌翻译，如果你有任何问题，让我知道！
我正在尝试使用sagemaker处理来使用庞大的4个数据来运行python脚本。我目前的情况如下：
可以用3个数据运行这个脚本，不能只运行一个数据(最大的、与其他数据相同的结构)，因为对于所有4个数据，脚本已经完成(因此，我在S3中怀疑这个错误，即。将sagemaker结果复制到S3)时
我得到的错误是这个InternalServerError。
Traceback (most recent call last):
File "sagemaker_train_and_predict.py", line 56, in <mo
浏览 0提问于2020-04-13得票数 1
回答已采纳
keras模型是否支持SageMaker分布式数据并行(SMDDP)？
在文档中，它说"SageMaker分布式数据并行适用于除tf.keras模块以外由tf核心模块组成的TensorFlow培训脚本，SageMaker分布式数据并行不支持带有Keras实现的TensorFlow。“
但是在培训脚本内部以及如何修改它，我可以看到使用了tf.keras和tf.keras.model。
浏览 12提问于2022-09-09得票数 0
我有一个使用entry_point脚本进行培训的Keras模型，我使用以下代码来存储模型工件(在entry_point脚本中)。
parser.add_argument('--model_dir', type=str, default=os.environ['SM_MODEL_DIR'])
args, _ = parser.parse_known_args()
model_dir = args.model_dir
---
tf.keras.models.save_model(
model,
os.path.join(model_dir
浏览 8提问于2020-09-16得票数 4
1回答
我正在运行一个混合效应模型：
a1fit1.1=glmer(Outcome_AprWatch_Exclude ~ Herd_size_2 + w4a + w4b + as.factor(AgeSex_4_Coded_Clean) + (1 | EncounterID), data=attack, family=binomial(link="logit"), verbose=TRUE, nAGQ=30)
结果是二进制(0/1)，除AgeSex是一个因子外，预测变量是连续的。我有303个观察嵌套在173个计数器中(这是我的随机变量)。我已经成功地使用这个代码超过一年半了，运行了
浏览 2提问于2014-07-02得票数 1
回答已采纳
在的terraform文件夹中执行后的整个错误消息(受和的启发)：
aws_sagemaker_notebook_instance.notebook_instance: Creating...
aws_sagemaker_notebook_instance.notebook_instance: Still creating... [10s elapsed]
aws_sagemaker_notebook_instance.notebook_instance: Still creating... [20s elapsed]
...
aws_sagemaker_notebook_instance.n
浏览 2提问于2021-09-08得票数 0
回答已采纳
使用Python Sagemaker SDK，可以使用以下代码使用TensorFlow启动训练作业： import sagemaker
from sagemaker.tensorflow import TensorFlow
sess = sagemaker.Session()
tf_estimator = TensorFlow(...)
tf_estimator.fit(...) 是否可以在此脚本中的某处指定训练的最大运行时间？
浏览 18提问于2020-06-16得票数 1
我在AWS中使用一个SageMaker笔记本来训练ML模型。当我使用以下脚本成功地创建和训练了估计器时，我可以像预期的那样加载调试信息(s3_output_path)：
from sagemaker.debugger import Rule, DebuggerHookConfig, CollectionConfig, rule_configs
rules = [
Rule.sagemaker(rule_configs.loss_not_decreasing()),
Rule.sagemaker(rule_configs.vanishing_gradient()),
Ru
浏览 1提问于2022-08-09得票数 0
问题
希望澄清AWS::SageMaker中的实体。
SageMaker模型
当查看中的图表时，SageMaker中的 Model 工件是由模型培训阶段的ML算法对接器容器生成的数据，并存储在S3桶中。
但是，AWS:: SageMaker ::Model似乎捕获了一个码头映像，以在SageMaker端点实例中运行推理代码。在S3桶中没有对模型数据的引用。因此，想知道为什么它被称为AWS::SageMaker::Model，为什么不调用，例如AWS::SageMaker::InferenceImage.
1-1。模型在AWS SageMaker中是什么？
1-2。它是一个码头图像(算
浏览 2提问于2020-03-27得票数 1
1回答
每次我的笔记本关闭并重新启动时，我都会丢失插件，并不得不从终端重新安装它们。有没有办法将jupyterlab扩展设置为在启动我的sagemaker笔记本时自动安装？我尝试安装的插件是：
jupyter nbextension enable --py widgetsnbextension
jupyter labextension install @jupyter-widgets/jupyterlab-manager
任何洞察力都将不胜感激
浏览 14提问于2020-05-05得票数 0
我已经建立了一个AWS Sagemaker Ground Truth标签项目，并使用了一个私人团队来完成这项工作。
sagemaker文档没有关于这个ID的任何信息，在我需要用来管理我的worker团队的cognito文档中也没有。
我的问题是，如何将workerId映射到我的认知组中的特定用户？如果没有这样做的能力，该项目将无法工作。
浏览 0提问于2019-05-03得票数 6
我指的是文档https://sagemaker-examples.readthedocs.io/en/latest/sagemaker-featurestore/sagemaker_featurestore_fraud_detection_python_sdk.html#Ingest-Data-into-FeatureStore来创建ec2实例中的特性组。
在执行脚本时出错。
An error occurred (ValidationException) when calling the CreateFeatureGroup operation: The execution role ARN
浏览 5提问于2022-07-25得票数 0
1回答
我在AWS sagemaker实例中使用tensorflow python 3.6 AWS sagemaker jupyter notebook编写了一个python脚本。我必须为我的深度学习模型使用sagemaker调试器。我可以看到许多链接建议首先停靠算法图像，然后使用它而不是sagemaker。谁能建议一下，有没有可用的替代方案，比如Tensorflow-1 docker镜像是可用的，我可以通过pip在这个镜像中包含一些其他的包，然后在sagemaker上运行我的模型？我正在使用keras 2.3.0和tensorflow 1.15 .Please指南，并分享必要的参考资料。
浏览 18提问于2020-10-22得票数 0
我创建了一个带有terraform模板的sagemaker项目，该模板成功地创建了一个堆栈，并与其关联。但是，尽管在我使用的cloudformation模板中都存在，但是没有与sagemaker项目相关联的存储库或管道。有人能帮忙吗？
是否有一种方法可以手动将sagemaker项目与代码提交存储库链接起来？我看到成功链接的存储库有标记：sagemaker:project-name，它有正确的项目名称。
浏览 4提问于2022-07-08得票数 0
回答已采纳
1回答
我对SageMaker非常陌生，所以如果我错过了一些显而易见的东西，我很抱歉。
我已经训练了一个DL模型，它使用视频中的帧来进行预测。当前的脚本运行在SageMaker jupyter-记事本中，它以一个视频URL作为输入，并使用FFMPEG子处理管道提取帧并在之后对其进行预测。这很好，但是现在我想从Lambda开始这个脚本。
据我所知，我可以使用sagemaker部署我的模型，并对Lambda的每一个帧进行预测，不幸的是，这不是一种选择，因为ff探头、ffmpeg和numpy太大了，无法适应有限的lambda空间。
tl;dr:是否可以在SageMaker中运行我的自定义脚本(ffmpeg框
浏览 3提问于2020-02-04得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
