AWS SageMaker目标检测微调训练报错：找不到annotations.json文件

针对你遇到的FileNotFoundError: [Errno 2] No such file or directory: '/opt/ml/input/data/training/annotations.json'错误，以下是排查和解决方向：

• 检查输入通道映射配置
  SageMaker训练作业会将S3数据挂载到/opt/ml/input/data/<通道名>路径下。如果你的S3结构是images/和annotations/两个独立目录，需确认训练作业是否配置了对应通道：

  • 若脚本期望annotations.json直接在training通道根目录，你需要将S3中annotations/下的文件直接放到训练通道指向的S3前缀（而非嵌套在annotations/子目录）；
  • 若支持多通道输入，需分别创建training（指向S3的images/）和annotations（指向S3的annotations/）通道，并在训练脚本中修改标注文件的读取路径为/opt/ml/input/data/annotations/abc.json。

• 验证S3数据的路径与权限

  • 确认S3 URI是否正确，比如标注文件的路径是否为s3://你的桶名/xxx/annotations/abc.json，无多余层级；
  • 检查SageMaker执行角色是否拥有该S3路径的s3:GetObject和s3:ListBucket权限。

• 匹配模型的标注文件要求
  部分SageMaker Quick Start目标检测模型要求：

  • 标注文件必须命名为annotations.json（而非你的abc.json）；
  • 标注文件与图片放置在同一目录下。
    可查看该模型的官方说明，确认格式要求，必要时重命名标注文件或调整目录结构。

• 调试容器内的数据结构
  可以创建一个调试训练作业，用简单脚本列出容器内数据挂载情况，确认文件位置是否符合预期：

  import os
  def walk_dir(path):
      for root, dirs, files in os.walk(path):
          rel_path = os.path.relpath(root, path)
          indent = '  ' * rel_path.count(os.sep)
          print(f'{indent}{os.path.basename(root)}/')
          for f in files:
              print(f'  {indent}{f}')
  walk_dir('/opt/ml/input/data/')
  

  运行后查看日志，就能明确数据实际挂载的结构。

• 排查容器潜在Bug
  若以上步骤都无问题，可换用同系列的其他Quick Start模型（如SSD Mobilenet V2）测试。若同样报错，大概率是容器的问题，可联系AWS技术支持，或改用自定义容器进行微调。

内容的提问来源于stack exchange，提问作者Dylan Pierce