如何對 SageMaker AI JumpStart 的常見問題進行疑難排解？

解決方法

您無法查看 SageMaker 基礎模型

如果您無法在 SageMaker AI 主控台或 SageMaker AI Studio 上查看 SageMaker AI 基礎模型，那麼您可能會收到以下錯誤之一：

「您的請求出現錯誤。請重試並聯絡支援人員。」

「發生問題： 請確認您的帳戶有權從 Amazon S3 讀取」

當您沒有 AWS Identity and Access Management (IAM) 權限來存取 aws-marketplace 原則，或沒有 Amazon Simple Storage Service (Amazon S3) 的讀取和寫入權限時，就會發生這些錯誤。

若要存取 SageMaker AI 基礎模型，請使用 AmazonSageMakerFullAccess 受管政策。如果您無法存取此政策，請使用包含 SageMaker AI 基礎模型中心所需權限的縮小範圍政策。

如果您在 SageMaker AI 主控台上收到錯誤，請將以下政策新增至您的 IAM 執行時期角色：

{
            "Effect": "Allow",
            "Action": [
                "s3:GetObject"
            ],
            "Resource": "arn:aws:s3:::example-bucket/*",
            "Condition": {
                "StringEqualsIgnoreCase": {
                    "s3:ExistingObjectTag/SageMaker": "true"
                }
            }
        },
        {
            "Effect": "Allow",
            "Action": [
                "s3:GetObject"
            ],
            "Resource": "arn:aws:s3:::example-bucket/*",
            "Condition": {
                "StringEquals": {
                    "s3:ExistingObjectTag/servicecatalog:provisioning": "true"
                }
            }
        }

注意： 將 example-bucket 替換為您的 Amazon S3 儲存貯體。

如果您收到 SageMaker AI Studio 的錯誤，請將以下政策新增至您的網域執行時期角色：

{
    "Version": "2012-10-17",
    "Statement": [
        {
            "Effect": "Allow",
            "Action": [
                "sagemaker:InvokePlaygroundEndpoint",
                "aws-marketplace:Subscribe",
                "aws-marketplace:ViewSubscriptions"
            ],
            "Resource": [
                "*"
            ]
        },
        {
            "Effect": "Allow",
            "Action": [
                "lambda:InvokeFunction"
            ],
            "Resource": [
                "arn:aws:lambda:*:*:function:SageMakerFoundationHubAppConfigLambdaFunction"
            ]
        }
    ]
}

您收到「HeadObject 作業： 找不到」錯誤

當您將 SageMaker AI Studio 筆記本的 model_version 屬性設為 * 以使用模型的最新版本時，您可能會收到以下錯誤訊息：

「呼叫 HeadObject 作業時發生錯誤 (404)： 找不到」

當 SageMaker 更新所有模型以使用未壓縮的模型成品時，就會發生此錯誤。若要解決此問題，請將筆記本的 model_version 屬性設定為精確的模型版本。

您收到「您的呼叫逾時」錯誤

當調用處理所花費的時間超過指定的秒數時，就會發生調用逾時。因此，您會收到下列錯誤訊息︰

「錯誤： 等待容器主要回應時，您的調用逾時。查看 Amazon CloudWatch 中每個容器的延遲指標，解決問題，然後再試一次。」

若要解決此問題，請將處理時間設定為安全閾值。

為了避免調用逾時，請使用以下最佳做法：

• 為了將處理時間保持在指定的閾值以下，請限制產生的權杖數量。
• 如果需要，將輸入分成多個調用。此外，結合回應來提供背景資訊。
• 使用串流回應。
• 如果並行請求或多租用戶環境緩慢，則增加最大權杖的安全閾值。

此外，最佳做法是關閉導致逾時重複多次的 boto3 用戶端的自動重試：

import botocore; config=botocore.config.Config(retries=dict(max_attempts=0))

若要繼續進行疑難排解，請檢查 Amazon Bedrock 或 SageMaker AI 推論端點的 Amazon CloudWatch 指標。

相關資訊

為自訂 IAM 執行角色啟用 Amazon SageMaker JumpStart

SageMaker 網站上帶有預先訓練模型資料表的內建演算法

GitHub 網站上的 JumpStart 簡介 - 文字轉影像