我正试图为计算机视觉模型构建一个SM管道。数据是存储在S3存储桶中的图像。我使用ScriptProcessor进行了预处理，现在正试图构建估计器。预处理工作正常。但是估计器部分给出了TypeError:Join类型的对象不是JSON可序列化的：error。
from sagemaker.tensorflow import TensorFlow
output_config = preprocessing_job_description["ProcessingOutputConfig"]
for output in output_config["Outputs"]:
if output["OutputName"] == "train_data":
preprocessed_training_data = output["S3Output"]["S3Uri"]
if output["OutputName"] == "valid_data":
preprocessed_test_data = output["S3Output"]["S3Uri"]
s3_train = "s3://bucketname/image_data/train/"
s3_val = "s3://bucketname/image_data/val/"
tf_estimator = TensorFlow(entry_point="train.py",
sagemaker_session=sess,
role=role,
instance_count=1,
instance_type="ml.m5.xlarge",
# output_path = "/opt/ml/processing/output",
model_dir="s3://bucketname/image_data/output",
py_version='py37',
framework_version='2.4',
hyperparameters={'epochs': epochs,
'learning_rate': learning_rate,
'train_batch_size': 64,
},
metric_definitions=metrics_definitions,
script_mode=True,
max_run=7200 # max 2 hours * 60 minutes seconds per hour * 60 sec per minutes
)
tf_estimator.fit({"train": preprocessed_training_data})
这给了我以下错误：
TypeError Traceback(最近调用最后)36)37--->38 tf_estimator.fit({"train"：预处理训练数据})39#tf_estimator.fit({"train"：s3_train})
/opt/conda/lib/python3.7/site-packages/sagemaker/workflow/pipeline_context.py在包装器中(*args，**kwargs)207返回self-instance.sagemaker_session.conf208-->209返回run_func(*args，**kwargs)210211退货包装
/opt/conda/lib/python3.7/site-packages/sagemaker/estimator.py in适合(self、inputs、wait、logs、job_name、experiment_config)976自我_prepare_for_training(作业名称=作业名称)977-->978 self.latest_training_job=_TrainingJob.start_new(self，inputs，experiment_config)979 self.jobs.append(self.latest_training_job)980如果等待：
/opt/conda/lib/python3.7/site-packages/sagemaker/estimator.py instart_new(cls，估计器，输入，实验配置)1806
train_args=cls_get_train_args(估计器、输入、实验配置)1807->1808估计器.sagemaker_session.train(**train_args)1809 1810返回cls(估计器.semager_session，估计器_current_job_name)/opt/conda/lib/python3.7/site-packages/sagemaker/session.py intrain(self、input_mode、input_config、role、job_name、output_config，resource_config，vpc_config，超参数，stop_condition，标记，metric_definitions、enable_network_isolation、image_uri、，algorithm_arn，encrypt_inter_container_traffic，use_spot_instances，checkpoint_s3_uri，checkpoint_local_path，experiment_config，debugger_rule_configs、debugger_hook_config、，tensorboard_output_config，enable_sanagemaker_metrics，profiler_rule_configs、profiler_config、环境、重试策略)592 encrypt_ inter_，593个use_ spot_，-->594校验点_ s3_，595 checkpoint_ cal_ path＝checkpoint_，596实验配置=实验配置，
/opt/conda/lib/python3.7/site-packages/sagemaker/session.py in_intercept_create_request(self，request，create，func_name)4201"quot；4202 region=self.boto_session.reregion_->4203 sts_client=self.boto_session.client(4204"sts"，region_name=region，endpoint_url=sts_regonal_endpoint(region)4205)
/opt/conda/lib/python3.7/site-packages/sagemaker/session.py in提交(请求)589 enable_ network_，590 image_ uri＝image_，-->591算法arn＝算法arn，592 encrypt_ inter_，593 use_spot_instances=use_spot-instances，
/转储中的opt/conda/lib/python3.7/json/init.py(obj、skipkeys、，ensure_ascii、check_c圆形、allow_nan、cls、缩进、分隔符、，默认，sort_keys，**kw)236 check_c圆形=check_c圆形，allow_nan=allow_nan，indent=indent，237个分隔符=分隔符，默认值=默认值，sort_keys=sort_keys，-->238**kw)。编码(obj)239240
/encode中的opt/conda/lib/python3.7/json/encoder.py(self，o)199个块=self.iterecode(o，_one_shot=True)200，如果不存在(块，(列表，元组))：-->201组块=列表(组块)202返回"。join(chunks)203
/iterencode(o，_current_indent_level)429来自_iterencode_list的收益率(o，_current_intent_level)430 elif isistance(o，dict)：-->431来自_iterencode_dict(o，_current_intent_level)的收益率432其他：433如果标记不是无：
/interencode_dict(dct，_current_indent_level)403其他：404块=_iterencode(值，_current_intent_level)-->405块产量406如果newline_indent不是None：407 _当前_缩进_级别-=1
/interencode_dict(dct，_current_indent_level)403其他：404块=_iterencode(值，_current_intent_level)-->405块产量406如果newline_indent不是None：407 _当前_缩进_级别-=1
/iterencode(o，_current_indent_level)436升高ValueError("检测到循环引用")437个标记[markrid]=o-->438 o=_default(o)439来自_iterencode的收益率(o，_current_intent_level)440如果标记不是无：
/默认情况下为opt/conda/lib/python3.7/json/encoder.py(self，o)177178〃"quot；-->179引发TypeError(f'类型为｛o.类.名称｝的对象'180 f"不可JSON序列化")181
TypeError：Join类型的对象不是JSON可序列化的
我已经尝试更改我为估计器给出的所有参数。有时启用它们，有时禁用它们。-->594校验点_ s3_，如果这是起源，我也试着给出它。
不知道我在哪里搞砸了。我正在使用
sagemaker 2.94.0
Python3 Data Science kernel
boto3 '1.24.8'
也许，尝试使用PipelineSession而不是普通的会话对象：
from sagemaker.workflow.pipeline_context import PipelineSession
tf_estimator = TensorFlow(entry_point="train.py",
sagemaker_session=PipelineSession()
)
https://github.com/aws/sagemaker-python-sdk/issues/3860