1

我正在尝试通过 github 示例将我自己的病态学习 ML 模型与 SageMaker 一起使用。

python代码如下：

# Define IAM role import boto3 
import re 
import os 
import numpy as np 
import pandas as pd 
from sagemaker import get_execution_role 
import sagemaker as sage from time 
import gmtime, strftime 
role = get_execution_role()

ess =  sage.Session()
account = sess.boto_session.client('sts').get_caller_identity()['Account']
region = sess.boto_session.region_name
image = '{}.dkr.ecr.{}.amazonaws.com/decision-trees-sample:latest'.format(account, region)


output_path="s3://output"

sess

tree = sage.estimator.Estimator(image,
                      role, 1, 'ml.c4.2xlarge',
                     output_path='s3-eu-west-1.amazonaws.com/output',
                    sagemaker_session=sess)

tree.fit("s3://output/iris.csv")

但我得到这个错误：

信息：sagemaker：使用名称创建培训作业：决策树样本-2018-04-24-13-13-38-281

-------------------------------------------------- ------------------------- ClientError Traceback (last last call last) in () 14 sagemaker_session=sess) 15 ---> 16 tree.fit ("s3://inteldatastore-cyrine/iris.csv")

~/anaconda3/envs/python3/lib/python3.6/site-packages/sagemaker/estimator.py in fit(self, inputs, wait, logs, job_name) 161 self.output_path = 's3://{}/' .format(self.sagemaker_session.default_bucket()) 162 --> 163 self.latest_training_job = _TrainingJob.start_new(self, inputs) 164 如果等待：165 self.latest_training_job.wait(logs=logs)

~/anaconda3/envs/python3/lib/python3.6/site-packages/sagemaker/estimator.py in start_new(cls, estimator, inputs) 336 input_config=input_config, role=role, job_name=estimator._current_job_name, 337 output_config= output_config，resource_config=resource_config，--> 338 超参数=hyperparameters，stop_condition=stop_condition）339 340 返回 cls（estimator.sagemaker_session，estimator._current_job_name）

~/anaconda3/envs/python3/lib/python3.6/site-packages/sagemaker/session.py in train(self, image, input_mode, input_config, role, job_name, output_config, resource_config, hyperparameters, stop_condition) 242 LOGGER.info ('使用名称创建训练作业：{}'.format(job_name)) 243 LOGGER.debug('train request: {}'.format(json.dumps(train_request, indent=4))) --> 244 self .sagemaker_client.create_training_job(**train_request) 245 246 def create_model(self, name, role, primary_container):

~/anaconda3/envs/python3/lib/python3.6/site-packages/botocore/client.py in _api_call(self, *args, **kwargs) 312 "%s() 只接受关键字参数。" % py_operation_name) 313 # 这个范围内的“self”是指BaseClient。--> 314 返回 self._make_api_call(operation_name, kwargs) 315 316 _api_call。名称= str(py_operation_name)

~/anaconda3/envs/python3/lib/python3.6/site-packages/botocore/client.py in _make_api_call(self, operation_name, api_params) 610 error_code = parsed_response.get("错误", {}).get("代码") 611 error_class = self.exceptions.from_code(error_code) --> 612 raise error_class(parsed_response, operation_name) 613 else: 614 return parsed_response

ClientError：调用 CreateTrainingJob 操作时发生错误 (AccessDeniedException)：用户：arn:aws:sts::307504647302:assumed-role/default/SageMaker 无权执行：sagemaker:CreateTrainingJob on resource:arn:aws:sagemaker: eu-west-1:307504647302:training-job/decision-trees-sample-2018-04-24-13-13-38-281

你能帮我解决问题吗？

谢谢

4

3 回答 3

1

也许您正在使用 AWS Educate 帐户。

目前，您无法使用 SageMaker 服务通过 AWS Educate Starter 账户创建培训或建模作业。

目前，如果您想通过 SageMaker 服务使用/部署培训作业，您可以使用自己的个人 AWS 账户。

但是，您可以通过 AWS Educate 账户通过 SageMaker 继续使用 Jupyter 笔记本。

于 2020-09-03T10:21:42.873 回答
0

您似乎无权访问该资源

arn:aws:sagemaker:eu-west-1:307504647302:training-job/decision-trees-sample-2018-04-24-13-13-38-281

您能否检查资源 url 是否正确以及在安全组中设置了正确的权限。

于 2018-04-24T16:37:20.613 回答
0

我在开始使用 SageMaker 时遇到了类似的问题，所以我开发了这个开源项目https://github.com/Kenza-AI/sagify (sagify)，它是一个 CLI 工具，可以帮助您训练和部署自己的机器学习/ SageMaker 上的深度学习模型非常简单。无论我使用什么库（Keras、Tensorflow、scikit-learn、LightFM、spacy 等），我都设法训练和部署了我所有的 ML 模型。本质上，你可以用经典的pythonic方式指定所有依赖项，即在requiments.txt中，sagify会读取它们并将它们安装在Docker镜像上。然后，可以在 SageMaker 上执行此 Docker 映像以进行训练和部署。

此外，我在 sagify 文档 ( https://kenza-ai.github.io/sagify/ ) 中指定了如何设置您的 AWS 账户以避免与权限相关的问题的一次性流程。

于 2018-05-05T19:58:42.910 回答