[Bug]: PySDK V3: pydantic-core (2.42.0) incompatibility with sagemaker.ai_registry dataset import
Mantenedores costumam responder em até 2 dias
Avaliação
- Dificuldade
- 3/5
- Tempo estimado
- 1-2 dias
- Facilidade para iniciantes
- 52/100
- Tipo de issue
- Bug
- Clareza
- Razoavelmente clara
- Status de atividade
- Pouca atividade
- Stack de tecnologia
- aws, python
- Domínio
- machine-learning
Direção de pesquisa
Comece reproduzindo a importação de sagemaker.ai_registry.dataset após executar os comandos pip listados em um notebook do SageMaker AI Studio. Inspecione as declarações de dependências dos pacotes sagemaker, sagemaker-core e pydantic para identificar a restrição incompatível de pydantic-core. Considera-se concluído quando os comandos de instalação forem concluídos com sucesso e a importação de DataSet não gerar mais o erro de versão relatado.
Escrita pelo modelo de indexação a partir do texto da issue.
Descrição
PySDK Version
- PySDK V3 (3.x)
Describe the bug
Fails with error below to import from sagemaker.ai_registry.dataset import DataSet
SystemError: The installed pydantic-core version (2.42.0) is incompatible with the current pydantic version, which requires 2.41.5. If you encounter this error, make sure that you haven't upgraded pydantic-core manually.
To reproduce
Run the below code in SageMakerAI Studio notebooks
!pip install --force-reinstall sagemaker sagemaker-serve sagemaker-mlops sagemaker-train sagemaker-core
or
!pip install 'sagemaker>=3.0,<4.0' boto3 pydantic-core -q --force-reinstall --no-deps # failed
from sagemaker.ai_registry.dataset import DataSet
Expected behavior
Fails with error below to import from sagemaker.ai_registry.dataset import DataSet
SystemError: The installed pydantic-core version (2.42.0) is incompatible with the current pydantic version, which requires 2.41.5. If you encounter this error, make sure that you haven't upgraded pydantic-core manually.
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: V3
- Framework name (eg. PyTorch) or algorithm (eg. KMeans):
- Framework version:
- Python version:
- CPU or GPU: SageMakerAI Studio notebooks
- Custom Docker image (Y/N): N
Additional context
Add any other context about the problem here.
- Linguagem predominante
- Python
- Estrelas
- 2.3k
- Forks
- 1.3k
- Merge médio
- 3d 10h
- PRs com merge (30d)
- 77
Preparar o ambiente
- Sem Dockerfile nem arquivo Docker Compose
- Sem modelo de pull request
- Ler o guia de contribuição
Primeiros passos
- Leia a issue inteira e depois o guia de contribuição do projeto.
- Comente na issue dizendo que vai assumir — evita que duas pessoas façam o mesmo trabalho.
- Faça um fork do repositório e trabalhe em uma branch.
- Abra um pull request que referencie o número da issue.
Mais de aws/sagemaker-python-sdk
-
Cannot use spark_event_logs_s3_uri in PySparkProcessor jobTalvez já em andamento @rsareddy0329 assumiu há 6 dias. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
aws/sagemaker-python-sdk#6253 ·
Mantenedores costumam responder em até 2 dias
-
[Bug] V3 Hyperparameter Tuning Pipeline page labelled "Download Data" in navigation due to missing title cellTalvez já em andamento @admivsn assumiu há 34 dias. Aberta
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 93/100
aws/sagemaker-python-sdk#6232 ·
Mantenedores costumam responder em até 2 dias
-
[Bug] ModelTrainer with no input channels emits InputDataConfig: [], which CreatePipeline rejects (min=1) — v2 omitted the keyTalvez já em andamento @sagemaker-bot assumiu há 6 dias. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
aws/sagemaker-python-sdk#6156 · 2 comentários ·
Mantenedores costumam responder em até 2 dias
-
sagemaker-train should depend on mlflow-skinny, following sagemaker-mlflow 0.5.0Talvez já em andamento @mohamedzeidan2021 assumiu há 7 dias. Aberta
Dificuldade 2/5 Meio dia Facilidade para iniciantes 72/100
aws/sagemaker-python-sdk#6152 ·
Mantenedores costumam responder em até 2 dias
-
ModelTrainer generates sm_train.sh with CRLF line endings on Windows causing training job failureTalvez já em andamento @MohammedAlkindi assumiu há 25 dias. Aberta
Dificuldade 1/5 Menos de uma hora Facilidade para iniciantes 88/100
aws/sagemaker-python-sdk#5904 · 1 reação ·
Mantenedores costumam responder em até 2 dias
Todas as issues de aws/sagemaker-python-sdk
Issues semelhantes
-
needs-human needs-triage
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 76/100
gke-labs/kube-agents#2400 · 1 comentário ·
Mantenedores costumam responder em até 1 dia
-
Device Details tables: FS/SF columns contradict each other (nfet_01v8 Vt row, pfet_01v8 Idsat row)Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 75/100
google/skywater-pdk#450 ·
-
Drained trajectory arrays are overwritten when the sequence buffer is reusedTalvez já em andamento @sylvesterkaczmarek assumiu hoje. Aberta
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 78/100
google-deepmind/bsuite#56 ·
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 82/100
LearningCircuit/local-deep-research#7206 ·
Mantenedores costumam responder em até 1 dia
-
Dificuldade 2/5 1-3 horas Facilidade para iniciantes 68/100
chingu-voyages/V62-tier3-team-33#285 ·
Mantenedores costumam responder em até 1 dia