Scikit learn MXNetError-数据集不是以有效的幻数开始的

我尝试使用amazon sagemaker线性学习算法，它支持“application/x-recordio-protobuf”的内容类型。在预处理阶段，我使用scikit learn预处理对我的特征进行了一次热编码。然后使用线性学习器估计器记录io转换后的输入数据

我使用了软件包，预处理转换成功

从sagemaker.amazon.common导入写入\u spmatrix\u到\u sparse\u tensor

def输出（预测、接受）： “”“格式预测输出” 用于串行推断的容器之间的默认接受/内容类型是JSON。 我们还希望将ContentType或mimetype设置为与accept相同的值，以便下一个 容器可以正确读取响应有效负载。 """ 如果接受==“文本/csv”： return worker.Response（encoders.encode（prediction.todense（），accept），mimetype=accept） elif accept==“应用程序/x-recordio-protobuf”： buf=BytesIO（） 将SPU矩阵写入稀疏张量（buf，预测） buf.seek（0） 返回worker.Response（buf，accept，mimetype=accept） 其他： raise RUNTIMERROR（“{}接受类型不受此脚本支持。”.format（接受）） 但是，当线性学习者获取输入记录时，它会失败，错误如下

原因：[15:53:30]/opt/Brazic pkg cache/packages/AIAlgorithmsCppLibs/AIAlgorithmsCppLibs-2.0.774.0/AL2012/generic flavor/src/src/aialgs/io/iterator_base.cpp:100：

---

（输入错误）数据集中位置810处的MXNet RecordIO记录的标题没有以有效的幻数开头。

我也有类似的问题，但这与我如何将数据保存到S3有关

下面是对我有用的代码：

buffer = io.BytesIO()
smac.write_spmatrix_to_sparse_tensor(buffer, testVectors, testLabels) 
buffer.seek(0)

boto3.client('s3').upload_fileobj(buffer,
                                  Bucket='my-bucket-name',
                                  Key='my-key-name',
                                  ExtraArgs={'ACL': 'bucket-owner-full-control'})

---

根据Matt的建议，上传到S3也解决了我的问题，有趣的是，这个错误是我的最后一行。这个AWS和其他几个有一个稍微不同的上传格式，我验证过。马特的可能也行

key = 'recordio-pb-data'
boto3.resource('s3').Bucket(bucket).Object(os.path.join(prefix, 'train', key)).upload_fileobj(buf)

---

我也犯了同样的错误。错误中记录的位置是测试数据集中的最后一条记录

如何修复：删除s3路径中的所有其他文件。您必须将数据保存在一个文件夹中，其中不包含任何其他内容（除了测试和训练）。一旦我删除了其他文件，它就可以正常运行了

（输入错误）位置XX处MXNet RecordIO记录的标头 在数据集中，数据不是以有效的幻数开头

---

所以我也遇到了类似的问题，但这与我如何将数据保存到S3有关。下面是对我有用的代码：

bucket='my bucket name'buffer=io.BytesIO（）smac.write_spmatrix_to_sparse_tensor（buffer，testVectors，testLabels）buffer.seek（0）key='my key name'boto3.client（'s3'）。upload_fileobj（buffer，bucket=bucket，key=key=key，extrargs={'ACL'：'bucket owner full control'）） @马特考虑更新为答案。好建议@ MikeF