能否在本地Python环境使用SageMaker库及获取sagemaker_automl？

没问题，我来帮你理清这些疑问——完全可以在本地Python环境里使用大部分SageMaker Python库，并非只能局限在AWS SageMaker平台内。下面针对你的具体问题逐一解答：

核心可行性 #

• 大部分SageMaker Python SDK的功能都支持本地运行，包括包导入、本地调试、离线原型验证等。只有少数依赖SageMaker托管集群/服务的功能（比如远程训练、托管部署）需要配置AWS凭证来连接云端资源，但基础的模块导入和本地专属组件（比如你提到的AutoMLLocalCandidate）完全可以离线使用。

sagemaker_automl组件的获取与导入 #

你提到的AutoMLInteractiveRunner、AutoMLLocalCandidate属于SageMaker SDK的AutoML扩展模块，conda仓库没有收录的话，可以通过pip直接安装：

• 安装命令（一次性获取包含AutoML功能的完整SDK）：

  pip install sagemaker[automl]
  

• 如果已经安装过基础版的sagemaker，也可以升级并添加AutoML组件：

  pip install --upgrade sagemaker[automl]
  

• 安装完成后，就能在本地环境直接导入这些类了：

  from sagemaker.automl import AutoMLInteractiveRunner, AutoMLLocalCandidate
  

本地使用的小提示 #

• 如果需要调用AWS云端的AutoML服务（比如提交远程训练任务），需要在本地配置AWS凭证：可以通过终端执行aws configure命令输入你的Access Key和Secret Key，或者设置AWS_ACCESS_KEY_ID、AWS_SECRET_ACCESS_KEY这两个环境变量。
• AutoMLLocalCandidate这类本地组件是专门为离线调试设计的，不需要连接云端就能运行，非常适合在本地快速验证AutoML的逻辑和流程。

内容的提问来源于stack exchange，提问作者Borut Flis