You need to enable JavaScript to run this app. Amazon SageMaker部署本地Scikit-Learn模型提示无法提取模型归档如何排查
优惠活动
大模型
产品
解决方案
定价
更多

Amazon SageMaker部署本地Scikit-Learn模型提示无法提取模型归档如何排查

SageMaker部署Scikit-Learn模型时“无法解压归档”问题排查指南

常见报错诱因

  • Windows本地tar打包格式兼容性问题
    Windows内置tar工具生成的归档常存在结构不兼容问题:打包时会附加Windows专属路径元数据,甚至混入系统隐藏文件,这类结构不符合SageMaker容器内置Linux解压器的识别标准,是该报错的最高发诱因。
    本地校验命令:
    tar -tzf model.tar.gz
    正常输出应仅列出model.joblib条目,无多余前缀(如./、盘符路径)、无乱码、无其他隐藏文件。
  • S3对象完整性异常
    即使可在S3控制台看到文件,也可能存在上传截断、对象损坏的问题:
    计算本地model.tar.gz的MD5值,和S3对象属性页中的Etag值做对比,确认文件上传完整;同时确认存储桶所在区域和boto3客户端配置的eu-central-1一致,避免跨区域访问拉取到空对象。
  • 归档嵌套结构不符合规范
    SageMaker的Scikit-Learn容器要求压缩包内文件不能嵌套在多级文件夹中,解压后必须能直接在容器工作目录定位到模型文件;如果打包时在上级目录执行命令,会导致归档内出现类似models/model.joblib的嵌套结构,触发解包失败。

落地解决步骤

  1. 打开PowerShell,直接导航到model.joblib文件所在的文件夹
  2. 执行打包命令生成合规压缩包:
    tar -czf model.tar.gz model.joblib
  3. 立刻执行校验命令确认归档结构合规,仅包含单条model.joblib条目
  4. 用原有boto3脚本将新生成的压缩包覆盖上传到S3的models/model.tar.gz路径
  5. 重新运行SKLearnModel部署代码发起端点创建

注意:不要使用Windows下的图形化压缩工具(如WinRAR、7-Zip)生成tar.gz包,这类工具默认会附加额外的目录结构和元数据,大概率会触发相同的解包报错。

内容的提问来源于stack exchange,提问作者Bas

相关产品推荐
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.07 19:15:01