TensorFlowModel部署失败：requirements.txt依赖未安装问题排查

问题根源 #

SageMaker官方TensorFlow推理容器默认不会自动解析并安装requirements.txt中的依赖——dependencies参数仅负责将文件复制到容器的/opt/ml/code/dependencies目录，不会触发安装流程。即便你在requirements.txt中声明了numpy，容器也不会自动执行pip install操作。

解决方法 #

方法1：使用source_dir参数（推荐）

将inference.py和requirements.txt放在同一个本地目录下，通过source_dir指定该目录。SageMaker会自动检测目录下的requirements.txt并在容器启动时完成依赖安装。

修改后的代码示例：

from sagemaker.tensorflow import TensorFlowModel

# 假设inference.py和requirements.txt都在当前目录下的src文件夹中
model = TensorFlowModel(
    entry_point='inference.py',
    source_dir='./src',  # 指定包含脚本和依赖文件的目录
    model_data='s3://mybucket/model.tar.gz',
    role='MySageMakerRole',
    framework_version='2.3'
)

predictor = model.deploy(initial_instance_count=1, instance_type='ml.m5.xlarge')

方法2：在inference.py中手动安装依赖

如果不想调整目录结构，可以在inference.py的开头添加手动安装依赖的代码，确保在导入模块前完成依赖安装：

import subprocess
import sys

def install_package(package):
    subprocess.check_call([sys.executable, "-m", "pip", "install", package])

# 安装依赖（建议指定版本，与容器的TensorFlow版本匹配）
install_package("numpy")
install_package("tensorflow==2.3")

# 后续导入所需模块
import numpy as np
import tensorflow as tf

# 你的后处理逻辑...

额外注意事项

• SageMaker TensorFlow 2.3官方容器其实默认已包含numpy，若仍报错，可能是模型包（model.tar.gz）中的内容覆盖了原有环境，或容器初始化时出现异常。此时优先用方法1重置依赖安装流程。
• 确保requirements.txt中依赖版本与容器的TensorFlow版本兼容，避免版本冲突导致部署失败。

内容的提问来源于stack exchange，提问作者Abdeelrahman Hassanein