ModelBuilder.register does not generate a repack step with a pipeline session in V3 but does in V2
维护者通常 2 天内回复
评估
- 难度
- 4/5
- 预计耗时
- 1-2 天
- 新手友好度
- 48/100
- Issue 类型
- 缺陷
- 描述清晰度
- 基本清楚
- 活跃度
- 冷清
- 技术栈
- aws, python, scikit-learn
调研方向
从与 pipeline_session 一起使用的入口点 ModelBuilder.register 开始，并将其 V3 行为与 issue 中描述的 V2 行为进行比较。使用所示的 SourceCode 和模型数据重现 ModelStep 注册，然后验证是否生成了 repack 步骤，以及已注册的模型是否包含代码。
由索引模型根据 Issue 内容生成。
描述
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.
- 主要语言
- Python
- 星标
- 2.3k
- 派生
- 1.3k
- 平均合并
- 3 天 10 小时
- 30 天内合并 PR
- 82
环境准备
- 没有 Dockerfile 或 Docker Compose 文件
- 没有 Pull Request 模板
- 阅读贡献指南
从这里开始
- 先读完整个 Issue，再读项目的贡献指南。
- 在 Issue 下留言说明你要接手 —— 这能避免两个人做同样的事。
- Fork 仓库，在一个分支上完成修改。
- 提交 Pull Request，并在描述里引用这个 Issue 编号。
aws/sagemaker-python-sdk 的其他 Issue
-
Cannot use spark_event_logs_s3_uri in PySparkProcessor job可能已有人在做 @rsareddy0329 于 7 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 78/100
aws/sagemaker-python-sdk#6253 ·
维护者通常 2 天内回复
-
[Bug] V3 Hyperparameter Tuning Pipeline page labelled "Download Data" in navigation due to missing title cell可能已有人在做 @admivsn 于 36 天前认领。 未关闭
难度 1/5 1 小时以内 新手友好度 93/100
aws/sagemaker-python-sdk#6232 ·
维护者通常 2 天内回复
-
[Bug] ModelTrainer with no input channels emits InputDataConfig: [], which CreatePipeline rejects (min=1) — v2 omitted the key可能已有人在做 @sagemaker-bot 于 7 天前认领。 未关闭
难度 2/5 1-3 小时 新手友好度 76/100
aws/sagemaker-python-sdk#6156 · 2 条评论 ·
维护者通常 2 天内回复
-
sagemaker-train should depend on mlflow-skinny, following sagemaker-mlflow 0.5.0可能已有人在做 @mohamedzeidan2021 于 8 天前认领。 未关闭
难度 2/5 半天 新手友好度 72/100
aws/sagemaker-python-sdk#6152 ·
维护者通常 2 天内回复
-
ModelTrainer generates sm_train.sh with CRLF line endings on Windows causing training job failure可能已有人在做 @MohammedAlkindi 于 27 天前认领。 未关闭
难度 1/5 1 小时以内 新手友好度 88/100
aws/sagemaker-python-sdk#5904 · 1 个 reaction ·
维护者通常 2 天内回复
查看 aws/sagemaker-python-sdk 的全部 Issue
相似的 Issue
-
难度 2/5 1-3 小时 新手友好度 68/100
-
Task
难度 2/5 1-3 小时 新手友好度 65/100
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 86/100
war-and-code/dircue#200 ·
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 87/100
维护者通常 1 天内回复
-
难度 2/5 1-3 小时 新手友好度 84/100
维护者通常 1 天内回复