我已经实现了一个PyTorch Dataset
,该PyTorch在本地(在我自己的桌面上)工作,但是在AWS SageMaker上执行时会中断。我的Dataset
实现如下。
class ImageDataset(Dataset):
def __init__(self, path='./images', transform=None):
self.path = path
self.files = [join(path, f) for f in listdir(path) if isfile(join(path, f)) and f.endswith('.jpg')]
self.transform = transform
if transform is None:
self.transform = transforms.Compose([
transforms.Resize((128, 128)),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
def __len__(self):
return len(files)
def __getitem__(self, idx):
img_name = self.files[idx]
# we may infer the label from the filename
dash_idx = img_name.rfind('-')
dot_idx = img_name.rfind('.')
label = int(img_name[dash_idx + 1:dot_idx])
image = Image.open(img_name)
if self.transform:
image = self.transform(image)
return image, label
我正在遵循此example和此one too,并按如下方式运行estimator
。
inputs = {
'train': 'file://images',
'eval': 'file://images'
}
estimator = PyTorch(entry_point='pytorch-train.py',
role=role,
framework_version='1.0.0',
train_instance_count=1,
train_instance_type=instance_type)
estimator.fit(inputs)
我收到以下错误消息。
FileNotFoundError:[错误2]没有这样的文件或目录:'./images'
在我的示例中,他们将CFAIR数据集(在本地下载)上载到S3。
inputs = sagemaker_session.upload_data(path='data', bucket=bucket, key_prefix='data/cifar10')
如果我窥视inputs
,那只是一个字符串文字s3://sagemaker-us-east-3-184838577132/data/cifar10
。创建Dataset
和DataLoader
的代码显示为here,除非我跟踪源代码并逐步执行逻辑,否则这无济于事。
我认为ImageDataset
内部需要发生的事情是提供S3
路径并使用AWS CLI
或其他查询文件并获取其内容的方法。我认为AWS CLI
是不正确的方法,因为这依赖于控制台,我将必须执行一些子流程命令,然后进行解析。
必须有配方或东西来创建由Dataset
文件支持的自定义S3
,对吗?
答案 0 :(得分:0)
我能够使用Dataset
创建一个由S3数据支持的PyTorch boto3
。如果有人感兴趣,这是代码段。
class ImageDataset(Dataset):
def __init__(self, path='./images', transform=None):
self.path = path
self.s3 = boto3.resource('s3')
self.bucket = self.s3.Bucket(path)
self.files = [obj.key for obj in self.bucket.objects.all()]
self.transform = transform
if transform is None:
self.transform = transforms.Compose([
transforms.Resize((128, 128)),
transforms.ToTensor(),
transforms.Normalize((0.5, 0.5, 0.5), (0.5, 0.5, 0.5))
])
def __len__(self):
return len(files)
def __getitem__(self, idx):
img_name = self.files[idx]
# we may infer the label from the filename
dash_idx = img_name.rfind('-')
dot_idx = img_name.rfind('.')
label = int(img_name[dash_idx + 1:dot_idx])
# we need to download the file from S3 to a temporary file locally
# we need to create the local file name
obj = self.bucket.Object(img_name)
tmp = tempfile.NamedTemporaryFile()
tmp_name = '{}.jpg'.format(tmp.name)
# now we can actually download from S3 to a local place
with open(tmp_name, 'wb') as f:
obj.download_fileobj(f)
f.flush()
f.close()
image = Image.open(tmp_name)
if self.transform:
image = self.transform(image)
return image, label
答案 1 :(得分:0)
在SageMaker远程实例上进行训练时,SageMaker服务将启动一个新的EC2实例,并将训练/测试通道复制到EC2实例本地磁盘上的文件夹中,并在其中启动训练脚本。
因此,您可以使用os.environ['SM_CHANNEL_TRAIN']
来查找训练/测试/验证通道的位置。
Learn more here。