执行SageMaker PyTorch Estimator时报错：No such file or directory: 'train'

核心问题梳理 #

你用SageMaker本地模式训练时，指定了file://data/train作为输入路径（本地确实存在该目录），但进程报错找不到'train'文件，结合你的代码和Dockerfile，从以下几个方向排查：

1. 确认代码执行的工作目录与路径映射

• file://data/train是相对路径，必须保证你运行Python代码时的当前工作目录下确实存在data/train文件夹。可以在代码开头加一行调试代码确认：

  import os
  print("当前工作目录:", os.getcwd())
  print("本地data/train是否存在:", os.path.exists("data/train"))
  

• 若相对路径容易出错，直接换成绝对路径测试，比如file:///home/your_username/data/train（替换成你的实际绝对路径）。

2. 镜像用错了！推理镜像不能用于训练

你Dockerfile里用的是pytorch-inference镜像，这是专门用于模型推理的镜像，缺少SageMaker训练容器的核心逻辑（比如数据挂载、训练环境变量注入）。必须换成训练镜像：
修改Dockerfile的第一行：

# 替换成对应版本的训练镜像
FROM 763104351884.dkr.ecr.us-east-1.amazonaws.com/pytorch-training:2.5.1-cpu-py311-ubuntu22.04-sagemaker

3. 检查train.py的数据读取逻辑是否正确

SageMaker本地模式会把你指定的inputs路径，自动挂载到容器内的/opt/ml/input/data/training目录，同时会通过环境变量SM_CHANNEL_TRAINING传递这个路径。你的train.py必须读取这个路径下的数据，而不是当前工作目录：
正确的读取逻辑示例：

import os
# 获取训练数据目录，兼容SageMaker环境和本地调试
train_data_dir = os.environ.get("SM_CHANNEL_TRAINING", "./data/train")
# 示例：读取目录下的文件
print("容器内训练数据目录内容:", os.listdir(train_data_dir))

如果你的train.py里直接写死读取当前目录下的'train'文件/文件夹，必然找不到，因为容器的工作目录是/opt/ml/code，数据在/opt/ml/input/data/training。

4. 手动验证容器内的挂载情况

可以临时修改Dockerfile的CMD，让容器启动后不执行训练，而是停留在bash：

CMD ["bash", "-c", "ls -la /opt/ml/input/data/training && sleep 3600"]

重新构建镜像后启动训练，然后用docker ps找到容器ID，执行docker exec -it <容器ID> bash进入容器，查看/opt/ml/input/data/training下是否有数据，确认挂载是否正常。

内容的提问来源于stack exchange，提问作者Samlex