Python 3.x SageMaker从TF脚本模式Python3部署到EIA

我已经在SageMaker中安装了一个Tensorflow估计器，它使用脚本模式，使用GPU实例，使用

framework\u version='1.12.0'

和

python\u version='py3'

如果我也选择部署实例类型作为GPU，则直接在此估计器上调用deploy也会起作用。但是，如果我选择一个CPU实例类型和/或尝试添加一个加速器，它会失败，并出现一个错误，docker无法找到要拉取的对应映像

有人知道如何使用脚本模式在GPU上训练py3模型，然后部署到CPU+EIA实例吗

---

---

我已经找到了一个部分解决方法，通过中间步骤从估计器的训练工件创建一个TensorFlowModel，然后从模型部署，但这似乎不支持python 3（同样，没有找到相应的容器）。如果我切换到python_version='py2'，它将找到容器，但无法通过运行状况检查，因为我所有的代码都是为python 3编写的。

不幸的是，目前没有TF+python 3+EI为图像提供服务。如果您想使用TF+EI，您需要确保您的代码与python2兼容

---

编辑：在我最初编写这篇文章之后，对TF+python3+EI的支持已经发布。在撰写本文时，我相信TF1.12.0、1.13.1和1.14.0都支持Python 3+EI。有关完整列表，请参见。

不幸的是，目前没有TF+Python 3+EI服务图像。如果您想使用TF+EI，您需要确保您的代码与python2兼容

---

编辑：在我最初编写这篇文章之后，对TF+python3+EI的支持已经发布。在撰写本文时，我相信TF1.12.0、1.13.1和1.14.0都支持Python 3+EI。有关完整列表，请参阅。

通过使用sagemaker.tensorflow.service.Model而不是TensorFlowModel实现了这一点。仍然无法直接从estimator部署。通过使用sagemaker.tensorflow.serving.Model而不是TensorFlowModel实现了这一点。仍然无法直接从估计器部署。