回复：RoyalKun 发表于 2021-5-25 09:13 考虑到可能是你数据问题，这个版本算法可以正常使用的，你可以检查下数据分布，和数据存储位置是否没问题我测试了旧版本的数据，可以训练；加入了新数据后的版本训练出错。我重建一个数据集测试一下。非常感谢！

你好，使用的最新版本 v10.0，具体配置已在楼下回复，谢谢！

参数如下：报错日志如下：

我分别进行了主动学习与预标注两种类型； 主动学习 报错 预标注 任务进行了17个小时后，仍没有进展，显示标注中且进度为10%。 这个是否也是后台资源不足造成？

每次执行本地部署时，就算最新版本模型已下载至本地，也会在deploy阶段卡很久。（注：还未尝试在无网环境、模型已存在于/root/modelarts/model_location目录下，是否可以本地部署成功。）如7楼中表述的，实际模型服务是一个tensorflow serving服务，在对应model+id的目录下，文件夹为数字的即为对应版本的模型，其中有包括classes、pb、变量等文件。所以我们可以使用 tensorflow/serving 的docker镜像来直接加载已下载至我们本地的模型，镜像可直接包括RPC 8500与HTTP 8501端口。并从/modelarts/local/tensorflow的代码中提取infer部分，通过GRPC建立与镜像的连接，并进行调用。实测可用。

评论 角动量：解决了，可以看一下7楼的总结

总结一下遇到的问题：最新版SDK-1.1.3选在SDK详情文档中下载 https://support.huaweicloud.com/sdkreference-modelarts/modelarts_04_0004.html，总览中下载的SDK为 1.1.1 版本。 1.1.1 版本配置文件 config.ini 中，支持的AI引擎类型不包含 Tensorflow，故会出现本帖标题中提到的问题自动学习训练出来的模型无法导出，若使用SDK本地部署，猜测因OBS地址使用的系统预置地址，自动学习使用的元模型为官方统一管理，会报权限错误 Access denied一般来说环境要求 python2 tensorflow 1.8.0 ，在python3 tensorflow-1.13.1的环境下也可跑通本地部署时，模型一般会保存为PB格式，并使用tensorflow-serving服务来加载提供HTTP与RPC调用方式，预测模块使用tensorflow-serving-api与模型服务建立GRPC连接，应该可以把服务与infer代码从SDK中提取出来。python 3.8 版本使用pip 只能安装 tensorflow 2.0 系列，若强行安装 tf 1.13.1，调用会报错误。

上述问题已解决在modelarts控制台总览里下载的SDK为 1.1.1 版本，需要SDK文档中下载1.1.3版本。当前显示bucket权限问题，怀疑自动学习的模型不可导出的问题，还需再研究下文档

回复：华为王建峰 发表于 2020-5-27 09:34 目前tensorflow本地推理仅支持1.8， 尚不支持1.15和1.13。而升腾系列Notebook上只有tensorflow1.15. 查看代码 在 deploy_local_service() 中会判断 当前的引擎类型是否在 COMMON_ENGINE_TYPE_SET中，若不在则抛出该异常。同时查看config.ini 文件，其中申明的 ENGINE_TYPE_SET = {'mxnet', 'pytorch', 'xgboost', 'scikit_learn'} 是否因为modelarts SDK安装的版本问题？