- html - 出于某种原因,IE8 对我的 Sass 文件中继承的 html5 CSS 不友好?
- JMeter 在响应断言中使用 span 标签的问题
- html - 在 :hover and :active? 上具有不同效果的 CSS 动画
- html - 相对于居中的 html 内容固定的 CSS 重复背景?
我正在尝试使用Python语言通过AWS CDK自动部署SageMaker多模型端点(我想通过直接以json/yaml格式编写CloudFormation模板会是相同的),但是当尝试部署它时,创建SageMaker模型时出现错误。
这是使用 cdk synth
制作的 CloudFormation 模板的一部分命令:
Resources:
smmodelexecutionrole:
Type: AWS::IAM::Role
Properties:
AssumeRolePolicyDocument:
Statement:
- Action: sts:AssumeRole
Effect: Allow
Principal:
Service: sagemaker.amazonaws.com
Version: "2012-10-17"
Policies:
- PolicyDocument:
Statement:
- Action: s3:GetObject
Effect: Allow
Resource:
Fn::Join:
- ""
- - "arn:"
- Ref: AWS::Partition
- :s3:::<bucket_name>/deploy_multi_model_artifact/*
Version: "2012-10-17"
PolicyName: policy_s3
- PolicyDocument:
Statement:
- Action: ecr:*
Effect: Allow
Resource:
Fn::Join:
- ""
- - "arn:"
- Ref: AWS::Partition
- ":ecr:"
- Ref: AWS::Region
- ":"
- Ref: AWS::AccountId
- :repository/<my_ecr_repository>
Version: "2012-10-17"
PolicyName: policy_ecr
Metadata:
aws:cdk:path: <omitted>
smmodel:
Type: AWS::SageMaker::Model
Properties:
ExecutionRoleArn:
Fn::GetAtt:
- smmodelexecutionrole
- Arn
Containers:
- Image: xxxxxxxxxxxx.dkr.ecr.<my_aws_region>.amazonaws.com/<my_ecr_repository>/multi-model:latest
Mode: MultiModel
ModelDataUrl: s3://<bucket_name>/deploy_multi_model_artifact/
ModelName: MyModel
Metadata:
aws:cdk:path: <omitted>
运行时 cdk deploy
在终端上,出现以下错误:
3/6 | 7:56:58 PM | CREATE_FAILED | AWS::SageMaker::Model | sm_model (smmodel)
Could not access model data at s3://<bucket_name>/deploy_multi_model_artifact/.
Please ensure that the role "arn:aws:iam::xxxxxxxxxxxx:role/<my_role>" exists
and that its trust relationship policy allows the action "sts:AssumeRole" for the service principal "sagemaker.amazonaws.com".
Also ensure that the role has "s3:GetObject" permissions and that the object is located in <my_aws_region>.
(Service: AmazonSageMaker; Status Code: 400; Error Code: ValidationException; Request ID: xxxxx)
我有:
为了测试是否是 IAM 角色问题,我尝试替换 MultiModel
通过SingleModel
并替换s3://<bucket_name>/deploy_multi_model_artifact/
与 s3://<bucket_name>/deploy_multi_model_artifact/one_of_my_artifacts.tar.gz
,我可以成功创建模型。然后我猜测这不是与 IAM 相关的问题,与错误消息告诉我的相反(但我可能会犯错误!),看起来如此。
所以我想知道问题出在哪里。这更令人困惑,因为我已经使用 boto3 毫无问题地部署了这个多模型端点。
任何帮助将不胜感激!!
最佳答案
问题是我忘记向 IAM 角色添加 SageMaker 访问权限。我可以通过将 SageMaker FullAccess 托管策略添加到 IAM 角色来部署多模型终端节点。
关于aws-cloudformation - 使用 AWS CDK/CloudFormation 部署 SageMaker 多模型终端节点时出现问题,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/61933975/
我正在试用 亚马逊 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笔记本
SageMaker 端点的推理率是否有限制? 它是由端点后面的实例类型或实例数量以某种方式确定的吗? 我尝试以 AWS Service Quotas for SageMaker 的形式查找此信息但找不
在预处理存储在 s3 中的 2 GB 数据时,amazon sagemaker 中发生内存错误。加载数据没有问题。数据维度为 700 万行 64 列。一种热编码也是不可能的。这样做会导致内存错误。 笔
当我在 AWS SageMaker 上创建一个新作业时,使用我的自定义模板和人群表单(见附件示例)提交按钮不起作用,甚至无法点击。有没有办法让这项工作?尚未看到对 AWS 支持的良好回应。 $('#s
我正在尝试在 Amazon Sagemaker 中使用 python 构建超参数优化作业,但有些东西不起作用。这是我所拥有的: sess = sagemaker.Session() xgb = sag
我正在 P2.xlarge 实例中训练我的模型。当我下载数据集时,出现以下错误:“下载或提取过程中出现异常:[Errno 28] 设备上没有剩余空间”\ 我检查了 P2.xlarge 有 61GiB
目前我已经部署了一个 语义分割模型 和一个端点,我可以用它来调用和推理。现在,我一次得到每个图像的推论。 现在我想使用 一次尝试一批图像批量转换作业 .它工作得很好,但创建的图像是 .out 文件 我
我无法再查看项目、管道或创建新的笔记本。该投诉似乎与凭据相关。 Failed to launch app [None]. Error when retrieving credentials from
我有一个在特定数据集上训练的 sagemaker 模型,并创建了训练作业。现在我有一个新的数据集,模型必须在该数据集上进行训练,我如何根据现有模型的新数据重新训练模型?我们可以保存模型检查点吗? 最佳
我听说 Sagemaker Studio 会自动在主目录上创建 EFS。 EFS 主目录的大小是多少? 是否可以调整其大小? 我是 AWS 的完全初学者,所以如果有人回答我的问题,我会很高兴。 最佳答
如何将 SageMaker 笔记本的 jupyter 环境更新到最新的 Alpha 版本,然后重新启动该过程? 最佳答案 您好,感谢您使用 SageMaker! 要从 SageMaker Notebo
我有一个预先训练好的模型,它的工件保存在 S3 存储桶中。我试图弄清楚如何定义一个查看文档的估算器:https://sagemaker.readthedocs.io/en/stable/api/tra
我正在尝试在 SageMaker 中使用本地培训工作。 遵循此 AWS 笔记本 ( https://github.com/awslabs/amazon-sagemaker-examples/blob/
我正在写一个自定义 Estimator在 AWS Sagemaker 中,对于不支持开箱即用的框架。我有自己的 docker 图像用于训练,将训练代码捆绑到图像中,这迫使我每次代码更改时都重建图像。
我试图运行这个例子:tensorflow_abalone_age_predictor_using_layers,其中 abalone_predictor.predict(tensor_proto) 用
我试图避免将现有模型训练过程迁移到 SageMaker,并避免创建自定义 Docker 容器来托管我们训练的模型。 我希望将我们现有的、经过训练的模型注入(inject) AWS 通过 sagemak
请求帮助解决以下错误。 An error occurred (ModelError) when calling the InvokeEndpointoperation: Received client
我想从 Amazon SageMaker 上的笔记本中使用基于 mlflow 的用户界面。但是给定的地址http://127.0.0.1:5000似乎不起作用。 我已经在 SageMaker 笔记本上
能否在 SageMaker 上安装 Jupyter/JupyterLab 插件?我没有在 JupyterLab 或 SageMaker 界面中看到任何添加插件的选项。希望至少安装 VIM 插件。 最佳
这是一个基本的 AWS Sagemaker 问题。当我使用 Sagemaker 的一种内置算法运行训练时,我能够通过增加训练算法的 instance_count 参数来利用将作业分配给许多实例的巨大加
我是一名优秀的程序员,十分优秀!