本地运行SageMaker TensorFlow估计器fit报yaml模块未找到错误

这个报错和Docker本身无关，是SageMaker Python SDK的本地模式依赖缺失导致的。
SageMaker本地模式启动训练任务时，需要自动生成docker-compose配置文件来调度本地容器，这个流程必须依赖PyYAML库提供的yaml模块完成配置文件的读写生成。你看到的警告信息已经明确指向问题：默认安装的基础版sagemaker包不会捆绑本地模式所需的全部依赖（包括PyYAML、Docker Python SDK、docker-compose Python绑定等），因此代码执行到导入yaml模块生成配置的环节时，直接抛出ModuleNotFoundError中断流程。

• 首先在当前VSCode内Jupyter Notebook绑定的Python内核环境中，安装SageMaker本地模式的完整依赖，在Notebook代码单元执行以下命令：

%pip install "sagemaker[local]"

必须使用%pip魔法命令执行安装，不要用!pip，前者会确保依赖直接安装到当前Notebook正在运行的内核环境中，避免包装到系统其他Python路径下出现依然找不到模块的问题。

• 安装完成后重启Jupyter内核，这一步不能跳过：Python不会自动加载刚安装的新包，不重启的话即使装完依赖依然会报找不到yaml模块的错误。
• 重启后先开一个新的代码单元执行import yaml做验证，如果执行没有任何报错，说明依赖已经正常加载。
• 确认本地Docker Desktop已经处于后台运行状态（系统托盘/菜单栏的Docker图标显示为运行中即可），再重新执行tf_estimator.fit()相关代码即可。首次运行会自动拉取对应版本的SageMaker TensorFlow官方容器，等待时长取决于你的网络状况。

如果执行完以上步骤依然报yaml模块缺失的错误，单独执行%pip install pyyaml强制安装PyYAML库即可，部分旧版本sagemaker的本地依赖声明存在兼容问题，可能不会自动拉取对应版本的PyYAML。

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