Question

我正在尝试使用github示例在SageMaker中使用我自己的病态学习ML模型。

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")

但是我收到了这个错误：

信息：sagemaker：用名称创建培训工作：   决策树样品-2018-04-24-13-13-38-281

----------------------------------------------- ---------------------------- ClientError Traceback（最近一次调用   最后）in（）        14 sagemaker_session = sess）        15   ---＆GT; 16 tree.fit（“s3：//inteldatastore-cyrine/iris.csv”）

〜/ anaconda3 / ENVS / python3 / LIB / python3.6 /站点包/ sagemaker / estimator.py   适合（自我，输入，等待，日志，job_name）       161 self.output_path ='s3：// {} /'.format（self.sagemaker_session.default_bucket（））       162    - ＆GT; 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 /站点包/ sagemaker / estimator.py   在start_new中（cls，estimator，输入）       336 input_config = input_config，role = role，   JOB_NAME = estimator._current_job_name，       337 output_config = output_config，resource_config = resource_config，    - ＆GT; 338个超参数=超参数，stop_condition = stop_condition）       339       340返回cls（estimator.sagemaker_session，estimator._current_job_name）

〜/ anaconda3 / ENVS / python3 / LIB / python3.6 /站点包/ sagemaker / session.py   在火车上（self，image，input_mode，input_config，role，job_name，   output_config，resource_config，hyperparameters，stop_condition）       242 LOGGER.info（'创建名称为{}的培训 - 作业'.format（job_name））       243 LOGGER.debug（'train request：{}'。format（json.dumps（train_request，indent = 4）））    - ＆GT; 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 /站点包/ botocore / client.py   在_api_call（self，* args，** kwargs）       312“％s（）只接受关键字参数。” ％py_operation_name）       313＃此范围内的“self”指的是BaseClient。    - ＆GT; 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 /站点包/ botocore / client.py   在_make_api_call中（self，operation_name，api_params）       610 error_code = parsed_response.get（“Error”，{}）。get（“Code”）       611 error_class = self.exceptions.from_code（error_code）    - ＆GT; 612引发error_class（parsed_response，operation_name）       613否则：       614 return parsed_response

ClientError：调用时发生错误（AccessDeniedException）   CreateTrainingJob操作：用户：   arn：aws：sts :: 307504647302：assume-role / default / SageMaker is   未授权执行：sagemaker：资源上的CreateTrainingJob：   ARN：AWS：sagemaker：EU-西-1：307504647302：训练作业/判定树样品-2018-04-24-13-13-38-281

你能帮我解决这个问题吗？

谢谢

Answer 1

您似乎无权访问资源

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

您可以检查资源网址是否正确以及安全组中是否设置了正确的权限。

Answer 2

当我开始使用SageMaker时，我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），这是一个CLI工具，可以帮助您在SageMaker上训练和部署自己的机器学习/深度学习模型以一种非常简单的方式。无论我使用什么库（Keras，Tensorflow，scikit-learn，LightFM，spacy等），我都设法训练和部署我的所有ML模型。基本上，您可以用经典的pythonic方式指定所有依赖项，即在requiments.txt中，sagify将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镜像以进行培训和部署。

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

Answer 3

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帐户创建培训或建模作业。

目前，如果您想使用/部署带有SageMaker服务的培训工作，则可以使用自己的个人AWS帐户。

不过，您可以继续通过AWS Educate帐户通过SageMaker使用Jupyter笔记本电脑。

使用aws Sagemaker

3 个答案: