Vertex AI SDK自定义容器训练报annotation_schema_uri配置错误

调用CustomContainerTrainingJob.run()直接传入托管图像数据集触发报错，核心是两个必填配置缺失：

• SDK不会根据传入的ImageDataset对象自动识别标注类型，无法自动填充必填的annotation_schema_uri字段
• 公开的方法示例里没有标注数据集导出GCS路径的参数，未传入对应配置时SDK不会自动指定导出位置。控制台创建任务时会引导用户补全这两项配置，因此控制台流程可以正常运行。

方案1：补全run方法缺失参数（和控制台创建逻辑完全一致，优先使用） #

在job.run()的入参里补充两个关键参数即可：

• annotation_schema_uri：和数据集标注类型对应的schema地址，最准确的获取方式是打开之前控制台创建成功的训练任务详情，复制input_data_config下的同名字段值。常见图像类任务的官方固定schema地址如下，也可以直接使用：
  • 单标签图像分类：gs://google-cloud-aiplatform/schema/dataset/annotation/image_classification_1.0.0.yaml
  • 多标签图像分类：gs://google-cloud-aiplatform/schema/dataset/annotation/image_multi_label_classification_1.0.0.yaml
  • 图像目标检测（边界框）：gs://google-cloud-aiplatform/schema/dataset/annotation/image_bounding_box_1.0.0.yaml
• gcs_destination_prefix：就是控制台里配置的数据集导出目录，传入Vertex AI服务账号有读写权限的GCS路径即可，格式为gs://<存储桶名>/<自定义导出路径前缀>/

修改后的核心代码：

model = job.run(
        dataset=dataset,
        model_display_name=model_display_name,
        args=args,
        replica_count=replica_count,
        machine_type=machine_type,
        accelerator_type=accelerator_type,
        accelerator_count=accelerator_count,
        training_fraction_split=training_fraction_split,
        validation_fraction_split=validation_fraction_split,
        test_fraction_split=test_fraction_split,
        # 补全以下两个必填参数
        annotation_schema_uri="对应数据集的annotation_schema_uri地址",
        gcs_destination_prefix="gs://你的存储桶名/数据集导出目录/",
        sync=sync,
    )

    model.wait()

    print(model.display_name)
    print(model.resource_name)
    print(model.uri)
    return model

方案2：手动导出数据集后传路径（兜底方案） #

如果不想依赖SDK自动处理数据集导出逻辑，可以先手动把托管数据集导出到GCS，再把导出路径作为启动参数传给训练容器，run方法里dataset参数直接传None：

1. 先执行数据集导出：

   dataset.export(
       gcs_destination_prefix="gs://你的存储桶名/数据集导出目录/",
       annotation_schema_uri="对应数据集的annotation_schema_uri地址",
       sync=True
   )
   

2. 把导出后的GCS路径加入训练启动参数args，训练容器内直接读取该路径下的数据即可，运行效果和控制台创建的任务完全一致。

内容的提问来源于stack exchange，提问作者ManuSerp