加载自定义conda envs在SageMaker中不起作用

是因为SageMaker使用的是Docker容器来运行训练作业和推理作业，而不是直接在实例上运行。因此，需要在Docker容器中配置和安装所需的环境。

要在SageMaker中加载自定义conda envs，可以按照以下步骤进行操作：

1. 创建一个包含所需依赖项的conda环境。可以使用conda命令或者创建一个environment.yml文件来定义环境。例如，创建一个名为myenv的conda环境：
2. 创建一个包含所需依赖项的conda环境。可以使用conda命令或者创建一个environment.yml文件来定义环境。例如，创建一个名为myenv的conda环境：
3. 在SageMaker的训练作业或推理作业中，使用SageMaker提供的预定义的conda环境'conda_mxnet_p36'或'conda_tensorflow_p36'作为基础环境。
4. 在SageMaker的训练作业或推理作业中，使用SageMaker提供的预定义的conda环境'conda_mxnet_p36'或'conda_tensorflow_p36'作为基础环境。
5. 在训练作业或推理作业的代码中，使用source_dir参数指定包含自定义conda环境文件的目录。
6. 在训练作业或推理作业的代码中，使用source_dir参数指定包含自定义conda环境文件的目录。
7. 在自定义conda环境文件的目录中，创建一个名为environment.yml的文件，并定义所需的依赖项。
8. 在自定义conda环境文件的目录中，创建一个名为environment.yml的文件，并定义所需的依赖项。
9. 在训练作业或推理作业的代码中，使用requirements_file参数指定自定义conda环境文件的路径。
10. 在训练作业或推理作业的代码中，使用requirements_file参数指定自定义conda环境文件的路径。

通过以上步骤，可以在SageMaker中成功加载自定义conda环境，并在训练作业或推理作业中使用该环境。请注意，SageMaker还提供了其他功能和服务，如模型部署、自动调参等，可以根据具体需求进行使用。

更多关于SageMaker的信息和相关产品介绍，可以参考腾讯云的SageMaker产品页面。