问题标签 [amazon-sagemaker]

我已经使用 Sagemaker 框架为 5 个类训练了一个 Xgboost 多类分类算法。然后我将模型保存在 S3 上。现在，当我加载它时，我只有预测选项，这将返回我的类而不是每个类的概率。

上传的模型没有 predict_proba 选项，这会派上用场。有什么想法可以从这个保存的模型中获得概率吗？PS我不想使用端点。

我有一个名为的存储桶my_bucket和一个名为Images. 我正在尝试读取文件Image夹内的文件（图像）。

但它给出了以下错误：

377.jpg是 中的第一行X。我在 S3 存储中手动检查；该文件存在于那里。那么，为什么我会收到此错误，以及如何解决？我能想到的唯一原因是，可能指定 S3 路径的过程是错误的——但在 S3 文档中，指定存储的过程被给出为's3://{}/{}'.format(bucket, data_key). 此外，在错误消息的最后一行中，文件名是s3://my_bucket/Images/377.jpg，这是我手动导航以在存储桶中定位文件的路径。

我有一个自定义容器（源自nvidia/cuda:9.0-runtime）来在 sagemaker 上运行培训。但是在启动时我收到了错误CUDA driver version is insufficient for CUDA runtime version at torch/csrc/cuda/Module.cpp:32，显然是想告诉我我的 cuda 版本不支持图形驱动程序（......将两个版本号与错误消息一起公开......），但我不能弄清楚如何找出容器中安装的显示驱动程序。我所能找到的只是它说 sagemaker 有 nvidia-docker buildin。我试图nvidia-smi在错误发生之前触发，但容器中不知道该命令。有一句神秘的话

我很确定是这种情况，但是没有复选框或任何东西可以切换“使用主机 GPU 访问运行此容器”。有什么想法我可以继续吗？

我正在尝试从本地 python 笔记本调用 Amazon Sagemaker 端点。这是我正在使用的代码。

但是，这不起作用。我是否必须在Body中指定其他内容？

我有一个用于文本预测的自定义算法。我想在 sagemaker 中部署它。我正在关注本教程。 https://docs.aws.amazon.com/sagemaker/latest/dg/tf-example1.html
本教程的唯一变化是。

.

INFO：数据集位于桶的根部。

错误日志

我了解 Sagemaker 目前不支持带有 Tensorflow 的 Python 3（根据此https://github.com/aws/sagemaker-python-sdk/issues/19）

但是是否可以像这里解释的那样使用 Python 3 和 Tensorflow 创建自己的 docker 容器？ https://github.com/awslabs/amazon-sagemaker-examples/blob/master/advanced_functionality/scikit_bring_your_own/scikit_bring_your_own.ipynb

我希望将来自 kinesis 分析的 CSV 记录发送到 sagemaker 端点，并通过 lambda 函数进行推断，然后将其传递给 firehose API 以将其转储到 S3。但由于某种原因，数据没有进入 sagemaker。

我将 midi 文件存储在 S3 存储桶中，并尝试将它们下载到 SageMake jupyter 笔记本中。我正在使用此代码

但是我在调​​用 HeadObject 操作时出现错误（403）：禁止

以下是 S3 附加的权限：

我正在试用Amazon Sagemaker，我还没有弄清楚我们如何进行持续培训。
例如，如果我在 s3 中有一个 CSV 文件，并且我想在每次更新 CSV 文件时进行训练。

我知道我们可以再次访问 notebook 并重新运行整个 notebook 来实现这一点。
但我正在寻找一种自动化方式，使用一些 python 脚本或使用带有 s3 事件等的 lambda 函数

我正在尝试在 Amazon Sagemaker 中用 python 构建一个超参数优化作业，但有些东西不起作用。这是我所拥有的：

我得到的错误是：

错误似乎来自tuner.py文件：