AWS SageMaker Studio Lab安装libsndfile1报权限错误解决问询

问题现象 #

在AWS SageMaker Studio Lab环境运行深度学习训练脚本train.py时，首先触发sndfile依赖报错：

OSError: sndfile library not found

查询到通用修复方案为执行apt命令安装系统依赖：

apt-get install libsndfile1 -y

执行该命令时返回权限错误：

E: List directory /var/lib/apt/lists/partial is missing. - Acquire (13: Permission denied)

后续尝试多种提权方案均失效：

• 命令前加sudo执行，返回sudo: command not found报错
• 用su命令切换root身份，输入账号密码后验证被拒绝
• 追加--allow-root参数执行安装命令，无任何效果

补充场景说明：完全相同的训练代码、相同的apt安装命令，在正式版AWS SageMaker Studio的ml.m5.24xlarge、ml.t3.mediumCPU实例上可正常运行。目前已提交正式版ml.g4dn.xlargeGPU实例的使用申请，暂未完成审批，因此需要在SageMaker Studio Lab的GPU资源上临时完成模型训练。

问题原因 #

SageMaker Studio Lab是免费面向公众开放的托管环境，默认对普通用户做了严格的系统目录权限隔离，不开放root权限，所有修改系统级目录的apt安装操作都会被拦截，和正式版SageMaker Studio的权限策略不同。

可行解决方案 #

不需要提权，直接通过用户态包管理工具安装对应依赖即可，两种方案任选其一：

方案1：conda安装libsndfile（最稳定） #

在Studio Lab的终端或者Notebook代码单元中，执行conda命令从conda-forge源安装预编译的libsndfile库，安装路径为当前用户的conda环境目录，不会触发系统权限校验：

conda install -c conda-forge libsndfile -y

安装完成后直接重新运行train.py即可正常加载sndfile依赖。如果conda下载速度慢，可以先配置conda国内镜像源再执行安装。

方案2：重装自带静态依赖的soundfile包 #

如果不想用conda，可以直接通过pip强制重装带预编译sndfile二进制的soundfile版本，该版本不会依赖系统级的libsndfile库：

pip install --force-reinstall soundfile

安装完成后重启当前Python内核，再运行训练脚本即可。

注意事项 #

• 不要尝试在SageMaker Studio Lab环境中通过漏洞、脚本等方式获取root权限，环境有严格的风控检测，违规操作会导致环境被重置甚至账号被限制使用。
• 待正式版SageMaker Studio的ml.g4dn.xlargeGPU实例审批通过后，仍可沿用原有的apt安装方式，正式版环境默认开放root权限，无需做上述适配。

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