AWS Sagemaker - ClientError：数据下载失败：无法下载

Question

我在笔记本实例中部署训练作业时遇到错误。 这就是它所说的： "UnexpectedStatusException: Error for Training job tensorflow-training-2021-01-26-09-55-05-768: Failed. Reason: ClientError: Data download failed:Could not download s3://forex-model-data/data/train2001_2020.npz: insufficient disk space"

我部署训练作业以尝试在 3 个时期内将其运行到不同的实例。我用的是ml.c5.4xlarge、ml.c5.18xlarge、ml.m5.24xlarge，还有两组训练数据train2001_2020.npz和train2016_2020.npz。

首先，我将 train2001_2020 运行到 ml.c5.18xlarge 和 ml.c5.18xlarge 并完成训练作业，然后我切换到 train2016_2020 并将其运行到 ml.c5.4xlarge 和 ml.c5.18xlarge 并且运行良好.然后，当我尝试使用 ml.m5.24xlarge 运行它时出现错误（上面引用），但我的数据集是 train2016_2020 而不是 train2001_2020 然后当我再次使用所有其他实例重新运行它时，它有相同的错误。会发生什么？

我停止了实例并刷新了所有内容，但遇到了同样的问题。

Answer 1

您所做的所有测试都不是很清楚，但该错误通常意味着您用于训练作业的实例上没有足够的磁盘空间。您可以尝试增加实例的额外存储空间（如果您在笔记本中使用 sagemaker SDK，则可以在估算器参数中进行）。