问题标签 [amazon-sagemaker]

我在 Amazon-SageMaker 中训练了我的模型并将其下载到我的本地计算机上。不幸的是，我不知道如何在本地运行模型。

模型位于包含以下文件的目录中：

有谁知道如何在本地使用 Python 运行它，或者能够向我指出一个可以提供帮助的资源？我试图避免使用 Amazon API 调用模型。

编辑：我使用的模型是使用与此示例非常相似的代码创建的。

感谢任何帮助，即使他们没有完全解决问题，我也会将赏金奖励给最有帮助的人。

我对 SageMaker 很陌生。在我第一次互动时，AWS SageMaker 似乎要求您从其笔记本开始。我有一个准备好的训练集。有没有办法绕过设置 Notebook 而只是从上传训练集开始？或者应该通过笔记本来完成。如果有人知道一些适合我上面需要的例子，那就太好了。

我在 AWS Sagemaker 中启动并运行了一个终端节点。但是，我不确定如何将数据发送到此端点并取回预测。

文档对此也不清楚。任何帮助，将不胜感激。

我为泰坦尼克号问题制作了一个模型并将其部署在 sagemaker 上。

我正在使用以下代码发送输入：

我得到以下输出：

难道我做错了什么？我如何得到实际的预测，我期望在我的预测类中为 0 或 1

创建 ALS 模型对象后，使用 pyspark。

示例代码示例：

在这里，我只是在创建 ALS 模型并制作 cloudepickel。如果我们使用 fit 那么还需要进行转换吗？

我正在尝试使用以下代码选择我的 als_model 对象：

我收到如下错误：

我使用存储在 S3 中的 csv 文件创建了一个 K-means 训练作业。过了一会儿，我收到以下错误：

我的文件可能有什么问题？

这是我传递给 sagemaker.create_training_job 的参数

我正在尝试使用 python SDk 和 tensorflow 在 sagemaker 上进行测试分类。我可以修改此https://github.com/awslabs/amazon-sagemaker-examples/blob/master/sagemaker-python-sdk/tensorflow_abalone_age_predictor_using_keras/abalone.py并运行它，但是当我更改拱门以包含嵌入层时，我得到错误

“Fetch 参数不能解释为张量。（Tensor Tensor("first-layer/embeddings:0", shape=(*, ), dtype=float32_ref) 不是此图中的元素。”

当我将它作为独立模型运行时，它运行完美。这是独立模型的拱门

这是我用于 sagemaker 的 model_fn：

输入尺寸或值没有问题，如果我只用一个简单的密集层拱门替换这个拱门，代码就可以完美运行。

我已经在 TensorFlow 上尝试过解决方案：张量不是此图的元素，但出现新错误

输入图和层图不一样：Tensor("random_shuffle_queue_DequeueMany:1", shape=(128, 200), dtype=float32, device=/device:CPU:0) 不是来自传入的图。*

所以我正在尝试使用tf.contrib.learn.preprocessing.VocabularyProcessor.restore()从 S3 存储桶中恢复词汇文件。首先，我尝试获取要使用的存储桶的路径名，但.restore()我不断收到“对象不存在”错误。之后，经过进一步研究，我发现了一种人们用来加载文本文件和 JSON 文件的方法，并在这里应用了相同的方法：

这工作了一段时间，直到文件内容增加并最终出现“文件名太长”错误。有没有更好的方法从 S3 存储桶加载和恢复文件？

顺便说一句，我在我的机器上进行了本地测试，它工作得非常好，因为它只需要获取文件的路径，而不是文件的全部内容。

我有一个 500GB 的 csv 文件和一个 1.5 TB 数据的 mysql 数据库，我想在上面运行 aws sagemaker 分类和回归算法以及随机森林。

aws sagemaker 可以支持吗？可以分批或分块读取和训练模型吗？任何例子

我正在尝试使用 aws cli从SageMaker 示例笔记本中调用 iris 端点。我试过使用以下命令：

我得到以下回复：

我究竟做错了什么？