本地训练模型部署至SageMaker遇tar.gz解压错误，求排查思路

安全阿岳

2026-6-23

排查方向及解决办法

压缩路径结构错误
SageMaker的模型容器要求解压后模型文件直接在根目录，不能嵌套子文件夹。比如你本地模型在./my_model/titanic.joblib，如果打包时把my_model整个文件夹加进去，解压后模型会在my_model/子目录里，容器找不到。
解决：打包时切换到模型所在的目录，只打包模型文件本身。示例代码：
```
import tarfile
import os

# 切换到模型文件所在目录
os.chdir("/path/to/model/folder")
# 只打包模型文件，确保解压后在根目录
with tarfile.open("model.tar.gz", "w:gz") as tar:
    tar.add("titanic.joblib")
```
压缩参数不正确
可能你用tarfile时没指定gz压缩模式，导致生成的是未压缩的tar包，只是后缀名写成了tar.gz。比如用了tarfile.open("model.tar.gz", "w")而不是w:gz，这样的文件SageMaker识别不了。
解决：确认压缩模式是w:gz，代码参考上面的示例。本地可以用tar -tzf model.tar.gz命令验证，能看到文件列表说明是正确的gz压缩包。
S3上传时文件损坏
如果你用文本模式上传二进制的tar.gz文件，会导致文件损坏。比如用Python的open("model.tar.gz", "r")读取上传，应该用二进制模式rb。
解决：用boto3上传时指定正确的模式，示例：
```
import boto3
s3 = boto3.client("s3")
with open("model.tar.gz", "rb") as f:
    s3.upload_fileobj(f, "your-bucket", "models/TitanicPredictor/model.tar.gz")
```
也可以直接用AWS CLI上传，避免模式问题：aws s3 cp model.tar.gz s3://your-bucket/models/TitanicPredictor/
容器对模型结构的额外要求
如果你用的是SageMaker的内置算法容器（比如scikit-learn），除了模型文件，可能还需要自定义的inference.py和requirements.txt（如果有额外依赖），这些文件也要放在压缩包的根目录。如果缺少这些，即使解压成功，后续也会报错，但你当前的报错是解压失败，优先排查前面的点。