python - 在 Sagemaker 上使用 TensorFlow 进行训练没有名为 'tf_container' 的模块

Question

我正在尝试在 AWS Sagemaker 上训练 TensorFlow 模型。 我为此创建了带有外部库的容器(使用您自己的算法或模型与 Amazon SageMaker)。

我们使用 TensorFlow API 运行训练作业

from sagemaker.tensorflow import TensorFlow
estimator = TensorFlow(
  entry_point="entry.py",             # entry script
  role=role,
  framework_version="1.13.0",   
  py_version='py3',
  hyperparameters=hyperparameters,
  train_instance_count=1,                   # "The number of GPUs instances to use"
  train_instance_type=train_instance_type,
  image_name=my_image

)
estimator.fit({'train': train_s3, 'eval': eval_s3})

并出现错误:

09:06:46
2019-07-23 09:06:45,463 INFO - root - running container entrypoint 
09:06:46
2019-07-23 09:06:45,463 INFO - root - starting train task 
09:06:46
2019-07-23 09:06:45,476 INFO - container_support.training - Training starting 
09:06:46
2019-07-23 09:06:45,479 ERROR - container_support.training - uncaught exception during training: No module named 'tf_container'

09:06:46
Traceback (most recent call last): File "/usr/local/lib/python3.6/dist-packages/container_support/environment.py", line 136, in load_framework return importlib.import_module('mxnet_container') File "/usr/lib/python3.6/importlib/__init__.py", line 126, in import_module return _bootstrap._gcd_import(name[level:], package, level) File "<frozen importlib._bootstrap>", line 994, in _gcd_i 
09:06:46
ModuleNotFoundError: No module named 'mxnet_container'

09:06:46
During handling of the above exception, another exception occurred:

09:06:46
Traceback (most recent call last): File "/usr/local/lib/python3.6/dist-packages/container_support/training.py", line 35, in start fw = TrainingEnvironment.load_framework() File "/usr/local/lib/python3.6/dist-packages/container_support/environment.py", line 138, in load_framework return importlib.import_module('tf_container') File "/usr/lib/python3.6/importlib/__init__.py", line 126, 
09:06:46
ModuleNotFoundError: No module named 'tf_container'

我可以做什么来解决这个问题？我该如何调试这个案例？

Answer 1

我猜您使用的是自己的 TF 容器，而不是 https://github.com/aws/sagemaker-tensorflow-container 上的 SageMaker 容器。

如果是这种情况，则您的容器缺少使用 TensorFlow 估算器(“tf_container”包)所需的支持代码。

解决方案是从 SageMaker 容器开始，对其进行自定义，将其推送回 ECR，并使用“image_name”参数将图像名称传递给 SageMaker 估算器。