如何在 Python 中 Sagemaker 的 XGBoost 训练作业中指定 content_type？答案

【问题标题】：How can I specify content_type in a training job of XGBoost from Sagemaker in Python?如何在 Python 中 Sagemaker 的 XGBoost 训练作业中指定 content_type？
【发布时间】：2019-09-18 18:54:26
【问题描述】：

我正在尝试使用 sagemaker 库训练模型。到目前为止，我的代码如下：

container = get_image_uri(boto3.Session().region_name,
                      'xgboost', 
                      repo_version='0.90-1')

estimator = sagemaker.estimator.Estimator(container, 
                                          role = 'AmazonSageMaker-ExecutionRole-20190305TXXX',
                                          train_instance_count = 1,
                                          train_instance_type = 'ml.m4.2xlarge',
                                          output_path = 's3://antifraud/production/',
                                          hyperparameters = {'num_rounds':'400',
                                                             'objective':'binary:logistic',
                                                             'eval_metric':'error@0.1'})

train_config = training_config(estimator=estimator,
                               inputs = {'train':'s3://antifraud/production/train',
                                         'validation':'s3://-antifraud/production/validation'})

我在解析超参数时遇到错误。此命令在控制台中为我提供了配置 JSON 输出。我已经能够使用配置为 Json 的 boto3 运行训练作业，所以我发现我的代码生成的 json 配置中缺少的是 content_type 参数，它应该如下所示：

"InputDataConfig": [
    {
        "ChannelName": "train",
        "DataSource": {
            "S3DataSource": {
                "S3DataType": "S3Prefix",
                "S3Uri": "s3://antifraud/production/data/train",
                "S3DataDistributionType": "FullyReplicated" 
            }
        },
        "ContentType": "text/csv",
        "CompressionType": "None"
    },
    {
        "ChannelName": "validation",
        "DataSource": {
            "S3DataSource": {
                "S3DataType": "S3Prefix",
                "S3Uri": "s3://antifraud/production/validation",
                "S3DataDistributionType": "FullyReplicated"
            }
        },
        "ContentType": "text/csv",
        "CompressionType": "None"
    }
]

我尝试在容器、估计器和 train_config 中编码 content_type = 'text/csv' 作为参数，并在输入中作为字典的另一个键，但没有成功。我怎样才能做到这一点？

【问题讨论】：

你好！您能否在帖子中添加您遇到的错误？

标签： python amazon-web-services amazon-sagemaker

【解决方案1】：

我已经使用 s3_input 对象解决了这个问题：

s3_input_train = sagemaker.s3_input(s3_data='s3://antifraud/production/data/{domain}-{product}-{today}/train_data.csv',
content_type='text/csv')
s3_input_validation = sagemaker.s3_input(s3_data='s3://antifraud/production/data/{domain}-{product}-{today}/validation_data.csv',
content_type='text/csv')

train_config = training_config(estimator=estimator,
inputs = {'train':s3_input_train,
          'validation':s3_input_validation})

【讨论】：

我不得不做同样的事情。我找不到另一种方法来设置 xgboost 拟合的内容类型。