使用SageMaker Python SDK流水线注册模型遇类型错误求解决方案

错误原因 #

在SageMaker Pipeline上下文环境中，Model对象的model_data参数使用了来自训练步骤的Pipeline变量（step_train.properties.ModelArtifacts.S3ModelArtifacts），当调用model.register()时，底层的Botocore序列化逻辑会尝试对该变量执行*str*操作，但Pipeline变量不支持此方法，从而抛出错误。

修复步骤 #

• 修改Model对象的model_data参数：
  将model_data的Pipeline变量通过.to_string()方法转换为执行时可解析的字符串表达式，避免序列化时触发*str*操作。

  修改后的Model创建代码：

  model = Model(
      image_uri=image_uri,
      model_data=step_train.properties.ModelArtifacts.S3ModelArtifacts.to_string(),
      sagemaker_session=sagemaker_session,
      role=role,
  )
  

• 验证其他Pipeline变量（如model_metrics）：
  如果model_metrics中使用了来自评估步骤的Pipeline变量（比如模型统计文件的S3路径），同样需要对这些变量调用.to_string()方法，示例：

  model_metrics = ModelMetrics(
      model_statistics=MetricsSource(
          s3_uri=step_eval.properties.EvaluationMetrics.S3EvaluationOutputPath.to_string(),
          content_type="application/json"
      )
  )
  

• 保留原有注册逻辑：
  后续的model.register()和ModelStep代码无需修改，保持原逻辑即可：

  model_register = model.register(
      content_types=["text/csv"],
      response_types=["text/csv"],
      model_metrics=model_metrics,
      inference_instances=["ml.t2.medium", "ml.m5.large"],
      transform_instances=["ml.m5.large"],
      approval_status="PendingManualApproval",
      model_package_group_name="ReturnModelPackage",
  )
  
  step_model_register = ModelStep(
      name="ReturnModelRegister", step_args=model_register
  )
  

原理说明 #

.to_string()方法会将Pipeline变量转换为一个特殊的表达式字符串，SageMaker Pipeline在执行阶段会自动解析该表达式，获取对应的实际S3路径值，既满足了Pipeline变量的传递需求，又避免了序列化时的类型错误。

内容的提问来源于stack exchange，提问作者Kedhar