Hacktoberfest 2026: die Issues, die Maintainer für den Oktober markiert haben – offen und einsteigerfreundlich. Hacktoberfest-Issues durchsuchen

ModelBuilder.register does not generate a repack step with a pipeline session in V3 but does in V2

Geschlossen
  • Stimmt etwas nicht?
#5,828 1 Kommentar 1 Reaktion 0 zugewiesene Personen Auf GitHub ansehen

Maintainer antworten meist innerhalb von 2 Tagen

@mohamedzeidan2021 arbeitet bereits daran.

Seit 27.9.2026.

  • #6338 von @mohamedzeidan2021 — offen

Bewertung

Schwierigkeit
4/5
Geschätzter Aufwand
1-2 Tage
Anfängerfreundlichkeit
48/100
Issue-Typ
Bug
Klarheit
Größtenteils klar
Aktivitätsstatus
Ruhig
Tech-Stack
aws, python, scikit-learn
Bereich
cloud, machine-learning

Rechercherichtung

Beginne am Einstiegspunkt ModelBuilder.register, der mit pipeline_session verwendet wird, und vergleiche sein V3-Verhalten mit dem im Issue beschriebenen V2-Verhalten. Führe die Registrierung von ModelStep mit dem gezeigten SourceCode und den Modelldaten nach und überprüfe anschließend, dass ein repack-Schritt generiert wird und das registrierte Modell den Code enthält.

Vom Indexierungsmodell aus dem Issue-Text verfasst.

Beschreibung

PySDK Version

  • PySDK V2 (2.x)
  • [ X] PySDK V3 (3.x)

Describe the bug
ModelBuilder.register does not generate a repack step with a pipeline session in V3 but does in V2

To reproduce
A clear, step-by-step set of instructions to reproduce the bug.
The provided code need to be complete and runnable, if additional data is needed, please include them in the issue.

model_builder = ModelBuilder(
        image_uri=image_uri,
        s3_model_data_url=data_url,
        source_code=SourceCode(
            entry_script="infer.py",
            source_dir=s3_script_archive,
        ),
        role_arn=role,
        sagemaker_session=pipeline_session,
        env_vars={"SAGEMAKER_DEFAULT_INVOCATIONS_ACCEPT": "application/json"},
    )
...
step_register = ModelStep(
    name="RegisterModel",
    step_args=model_builder.register(
        content_types=["application/jsonlines"],
        response_types=["application/json"],
        inference_instances=[inference_instance_type],
        transform_instances=[inference_instance_type],
        model_package_group_name=model_package_group_name,
        approval_status="Approved",
    )
)

Expected behavior
A clear and concise description of what you expected to happen.
In V2, the model was repacked with the code present. In V3, the model is not, leaving the model unable to be repacked

Screenshots or logs
If applicable, add screenshots or logs to help explain your problem.

System information
A description of your system. Please provide:

  • SageMaker Python SDK version: 2
  • Framework name (eg. PyTorch) or algorithm (eg. KMeans): ScikitLearn
  • Framework version: 1.4.2
  • Python version: 3.11
  • CPU or GPU: CPU
  • Custom Docker image (Y/N): N

Additional context
Add any other context about the problem here.

Vorherrschende Sprache
Python
Sterne
2.3k
Forks
1.3k
Ø Merge
2 T. 21 Std.
Gemergte PRs (30 T.)
90

Entwicklungsumgebung

Erste Schritte

  1. Lesen Sie das ganze Issue und danach den Beitragsleitfaden des Projekts.
  2. Schreiben Sie ins Issue, dass Sie es übernehmen — das erspart doppelte Arbeit.
  3. Forken Sie das Repository und arbeiten Sie in einem Branch.
  4. Öffnen Sie einen Pull Request, der die Issue-Nummer nennt.

Mehr aus aws/sagemaker-python-sdk

Alle Issues in aws/sagemaker-python-sdk

Ähnliche Issues

Weitere Issues zu Python

Neue Issues direkt in Ihr Postfach

Eine kurze Übersicht über anfängerfreundliche GitHub-Issues.