SageMaker Studio中TensorFlow estimator训练输入下载路径错误问题

1. SageMaker Python SDK提交训练任务时，默认会将当前工作目录下的所有文件打包为源码包上传至指定S3桶。你将笔记本导出为HTML后，该HTML文件存放在代码运行的同目录下，被自动纳入了上传的源码文件列表。
2. 路径拼接逻辑冲突：你同时给TensorFlow Estimator的bucket参数赋值为my-bucket，又给fit()方法直接传入带S3协议头的bucket_dir = "s3://my-bucket"作为输入路径，SDK内部拼接路径时会自动追加桶前缀，最终重复拼接出s3://my-bucket/s3://my-bucket/这种包含//的非法路径。
3. 你看到SM_CHANNEL_TRAINING环境变量为None，是因为任务在数据下载阶段就因路径错误提前失败，还没有执行到初始化训练环境、注入channel环境变量的步骤。

• 移除Estimator构造参数中冗余的bucket = bucket配置，避免路径重复拼接。
• 在代码运行的工作目录下创建.sagemakerignore文件，写入*.html规则，让SDK打包源码时自动排除所有HTML文件，避免无关文件被上传。
• 修正fit()方法的输入传参逻辑，如果要指定S3输入路径，优先使用官方的TrainingInput类明确标识输入通道，示例代码如下：

from sagemaker.inputs import TrainingInput

train_input = TrainingInput(s3_data=bucket_dir, content_type="application/npy")
history = aws_estimator.fit({"train": train_input})

• 清理Estimator构造参数里的非官方字段：my_name、log_name、train_data、train_labels这些参数不属于TensorFlow Estimator的官方构造参数，不会被SDK识别，建议全部移到shared_hyperparameters字典中传递，避免参数解析时出现未定义行为。

内容的提问来源于stack exchange，提问作者kwscott