使用 LDA 模型运行 Sagemaker Batch Transformation 时出错
我已经成功地用 sagemaker 训练了一个 LDA 模型，我已经能够设置一个推理 API，但是它对我一次可以查询的记录数量有限制。
我需要对大文件进行预测，并且一直在尝试使用批量转换，但是我遇到了障碍。
我的输入日期是application/x-recordio-protobuf内容类型，代码如下：
# Initialize the transformer object
transformer =sagemaker.transformer.Transformer(
base_transform_job_name='Batch-Transform',
model_name=model_name,
instance_count=1,
instance_type='ml.c4.xlarge',
output_path=output_location,
max_payload=20,
strategy='MultiRecord'
)
# Start a transform job
transformer.transform(input_location, content_type='application/x-recordio-protobuf',split_type="RecordIO")
# Then wait until the transform job has completed
transformer.wait()
# Fetch validation result
s3_client.download_file(bucket, 'topic_model_batch_transform/output/batch_tansform_part0.pbr.out', 'batch_tansform-result')
with open('batch_tansform-result') as f:
results = f.readlines()
print("Sample transform result: {}".format(results[0]))
我已将输入文件分成 10 个文件，每个文件大小约为 19MB。我首先尝试在单个块上运行，因此总共 19MB。我尝试过改变策略，尝试 SingleRecord。我也尝试过不同的 split_types，也尝试过 None 和“Line”。
我已经阅读了文档，但不清楚我还应该尝试什么，错误消息也很不清楚。
2019-04-02T15:49:47.617:[sagemaker logs]: MaxConcurrentTransforms=1, MaxPayloadInMB=20, BatchStrategy=MULTI_RECORD
#011at java.lang.Thread.run(Thread.java:748)2019-04-02T15:49:48.035:[sagemaker logs]: du-sagemaker/data/batch_transform/batch_tansform_part0.pbr: Bad HTTP status returned from invoke: 413
2019-04-02T15:49:48.036:[sagemaker logs]: du-sagemaker/data/batch_transform/batch_tansform_part0.pbr:
2019-04-02T15:49:48.036:[sagemaker logs]: du-sagemaker/data/batch_transform/batch_tansform_part0.pbr: Message:
2019-04-02T15:49:48.036:[sagemaker logs]: du-sagemaker/data/batch_transform/batch_tansform_part0.pbr: <!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 3.2
以上是我用上面的配置得到的最后一个，在此之前我也得到了400 HTTP错误代码。
任何帮助或指示将不胜感激！谢谢
ABOUTYOU2回答
-
饮歌长啸
虽然 Batch Transform 平台支持灵活的负载限制（通过MaxPayloadInMB），但许多算法设置了更严格的内部限制。对于根据其内部配置拒绝“大”请求的 SageMaker 内置 LDA 算法来说也是如此。您在日志中看到的错误恰恰说明了这一点：Batch Transform 客户端尝试发送最大 20MB 的请求，但 LDA 算法服务器拒绝了该请求，错误代码为413 (Request Entity Too Large)。使用 SageMaker 内置算法容器或任何非您自己的容器时，我们建议MaxPayloadInMB您在CreateTransformJob请求中保留未设置的参数。这将提示平台选择算法的默认执行参数，您将在日志中看到这些参数，如下所示：[sagemaker logs]: MaxConcurrentTransforms=1, MaxPayloadInMB=${DEFAULT_MAX_PAYLOAD_IN_MB}, BatchStrategy=MultiRecord有关如何解决这些“执行参数”的更多信息，请参阅此处记录的“优先顺序” 。除了控制有效负载大小之外，您的其他转换作业参数选择（SplitType=RecordIO和BatchStrategy=MultiRecord）对于传递 RecordIO-Protobuf 数据来说看起来是正确的。 -
慕尼黑8549860
我设法解决了这个问题，我使用的最大有效载荷似乎太高了。我设置 MaxPayloadInMB=1，它现在像梦一样运行
随时随地看视频慕课网APP
相关分类
Python