使用aws Sagemaker运行培训作业时出错

Question

我正在尝试使用我自己的sickit learn ML模型和SageMaker，并使用github示例。

python代码如下所示：

# 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")

但是我得到了这个错误：

信息：sagemaker：创建培训工作与名称：决策树样本-2018-04-24-13-13-38-281

--------------------------------------------------------------------------- ClientError Traceback（最近的调用最后）in（）14sagemaker_session=sess）15---

~/anaconda3/envs/python3/lib/python3。6/现场包/sagemaker/估计员。py in fit（自我、输入、等待、日志、作业名称）161自我。输出路径='s3://{}/'。格式（self.sagemaker\u session.default\u bucket（））162--

~/anaconda3/envs/python3/lib/python3。6/现场包/sagemaker/估计员。开始新（cls，估计器，输入）336输入配置=输入配置，角色=角色，作业名称=估计器_当前作业名称，337输出配置=输出配置，资源配置=资源配置--

~/anaconda3/envs/python3/lib/python3。6/站点包/sagemaker/会话。列车中的py（自我、图像、输入模式、输入配置、角色、作业名称、输出配置、资源配置、超参数、停止条件）242记录器。信息（'Creating training job with name:{}'。格式（job_name））243记录器。调试（'train request:{}'。格式（json.dumps（train_request，indent=4）））--

~/anaconda3/envs/python3/lib/python3.6/site-包/botocore/client.py在_api_call（自我，*args，**kwargs）312"%s（）只接受关键字参数。"%py_operation_name）313#此范围中的自我指的是BaseClient。--

~/anaconda3/envs/python3/lib/python3。6/站点包/botocore/客户端。py in_make_api_调用（self，operation_name，api_params）610错误代码=解析的_响应。获取（“错误”，{}）。获取（“代码”）611错误\u class=self。例外情况。源代码（错误代码）--

ClientError:调用CreateTrainingJob操作时出错（AccessDeniedException）：用户：arn:aws:sts:：307504647302:假定角色/默认值/SageMaker无权执行：SageMaker:CreateTrainingJob on resource:arn:aws:SageMaker:eu-west-1:30750464747302:培训作业/决策树-sample-2018-04-24-13-38-281

你能帮我解决这个问题吗？

非常感谢。

Answer 1

当我开始使用SageMaker时，我也遇到了类似的问题，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，可以帮助您以非常简单的方式在SageMaker上训练和部署自己的机器学习/深度学习模型。我设法训练和部署了我所有的ML模型，无论我使用的是什么库（Keras，Tensorflow，Scikit学习，LightFM，spacy等）。本质上，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映像上。然后，这个Docker映像可以在SageMaker上执行，用于训练和部署。

此外，我在sagify文档（https://kenza-ai.github.io/sagify/）中指定了如何设置AWS帐户的一次性过程，以避免权限相关问题。

Answer 2

看起来你没有资源

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

您是否可以检查资源url是否正确，并且在安全组中设置了正确的权限。

Answer 3

也许你正在使用AWS教育帐户。

此时，您不能使用SageMaker服务创建具有AWS Educate Starter帐户的培训或建模作业。

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

然而，您可以通过AWS教育帐户通过SageMaker继续使用Jupyter笔记本电脑。