基于AWS SAM部署FastAI模型时遇UnicodeDecodeError问题求助

关键修复步骤 #

1. 修正模型加载方式 #

FastAI的.pth是二进制文件，别直接用torch.load读取，优先用FastAI原生加载方法，或者指定二进制模式打开文件再加载：

# 若模型是用learn.export导出的，用FastAI原生加载
from fastai.learner import load_learner
learn = load_learner("test-fastai-project.pth")

# 用Torch加载时，必须以二进制模式打开文件
with open("test-fastai-project.pth", "rb") as f:
    model = torch.load(f, map_location=torch.device('cpu'))

注意：训练模型时的FastAI、Torch版本，要和Lambda环境里的版本完全一致，版本不匹配大概率会触发解析错误。

2. 彻底清理SAM与Docker缓存 #

Windows环境下SAM的缓存不止存于Docker镜像，需全链路清理：

• 删除SAM本地缓存：执行 sam local delete
• 清理Docker所有闲置资源：docker system prune -a（会删除所有未使用的镜像、容器、卷）
• 删除项目目录下的.aws-sam文件夹
• 启动SAM时强制重新构建镜像：sam local start-api --build

3. 强制设置Lambda环境编码 #

在Dockerfile中添加编码环境变量，确保运行环境编码统一：

ENV LANG=C.UTF-8
ENV LC_ALL=C.UTF-8

如果使用Python 2，在Lambda入口文件最顶部补充编码声明：

import sys
sys.setdefaultencoding('utf-8')

4. 验证模型文件完整性 #

重新导出模型，避免导出方式错误：

• FastAI标准导出：learn.export("test-fastai-project.pth")
• Torch权重导出：torch.save(learn.model.state_dict(), "test-fastai-project.pth")
  导出后先在本地单独测试加载逻辑，确认无错误再部署到SAM环境：

# 本地测试脚本
from fastai.learner import load_learner
try:
    learn = load_learner("test-fastai-project.pth")
    print("模型加载成功")
except Exception as e:
    print(f"加载错误: {str(e)}")

内容的提问来源于stack exchange，提问作者AbelAI