Amazon SageMaker Python SDK v3 重新设计了 script mode：训练和部署流程分别围绕统一的 ModelTrainer 与 ModelBuilder 组织，而 SourceCode 可以在任务运行时把本地代码同步进指定容器。对于已有自定义训练脚本、又不想每次改一行代码就重新构建 Docker 镜像的团队，这会明显缩短迭代回路。
从“镜像承载代码”转向“容器承载运行环境”
传统的 bring-your-own-container 流程，常把依赖、训练代码和启动逻辑全部打入镜像。这样做适合运行环境稳定、发布节奏较慢的工作负载，但在模型实验阶段成本很高：改动参数解析、数据预处理或 checkpoint 策略后，都可能需要重新构建、推送和验证镜像。
SDK v3 的 script mode 将职责拆开：
- 自定义容器继续负责 Python、CUDA、系统库和基础依赖。
- 本地目录中的训练代码由
SourceCode在运行时同步到容器。 ModelTrainer统一描述训练任务。ModelBuilder统一描述模型构建和后续部署所需配置。
这并不意味着镜像不再重要。GPU 驱动兼容性、PyTorch 或 Diffusers 版本、系统级编译依赖仍应固定在镜像中；更适合频繁变化的，是业务训练脚本、配置文件和轻量辅助模块。
两类工作负载为何都适用
来源示例覆盖了两个相差很大的场景：scikit-learn Random Forest，以及多 GPU 的 Stable Diffusion 3.5 LoRA 微调。这说明 script mode 的重点不是绑定某个框架，而是提供一致的“代码进入容器”方式。
对于 Random Forest，这种模式适合快速调整特征工程、验证集切分和超参数。训练代码通常很小，但变更频繁。
对于 Stable Diffusion 3.5 LoRA 微调，镜像通常已经包含 CUDA、PyTorch、分布式训练工具和模型训练依赖。此时把 LoRA 配置、数据集处理、恢复训练逻辑放在 SourceCode 中，可以避免每次实验都制作大型 GPU 镜像。多 GPU 训练仍需由容器和训练脚本正确处理进程启动、GPU 可见性及 checkpoint 写入；script mode 不会替你修复分布式训练本身的问题。
可以这样实践：用 SourceCode 提交一个本地随机森林项目
下面是一个可改造的最小项目结构。示例假定你已经有可用的 SageMaker 执行角色、S3 输出位置，以及一个包含 scikit-learn 的训练镜像。SDK v3 的具体构造参数可能随已安装版本略有差异，因此应以当前 SDK 文档和 IDE 类型提示为准，但目录划分与训练脚本入口模式可以直接复用。
rf-project/
├── train.py
└── requirements.txt
train.py 接收 SageMaker 常见的训练通道和模型输出目录，读取 CSV 后训练并保存模型：
import argparse
import os
import joblib
import pandas as pd
from sklearn.ensemble import RandomForestClassifier
from sklearn.model_selection import train_test_split
parser = argparse.ArgumentParser()
parser.add_argument("--n-estimators", type=int, default=200)
parser.add_argument("--max-depth", type=int, default=None)
parser.add_argument("--data-dir", default=os.environ.get("SM_CHANNEL_TRAINING", "/opt/ml/input/data/training"))
parser.add_argument("--model-dir", default=os.environ.get("SM_MODEL_DIR", "/opt/ml/model"))
args = parser.parse_args()
df = pd.read_csv(os.path.join(args.data_dir, "train.csv"))
y = df.pop("label")
X_train, X_test, y_train, y_test = train_test_split(
df, y, test_size=0.2, random_state=42, stratify=y
)
model = RandomForestClassifier(
n_estimators=args.n_estimators,
max_depth=args.max_depth,
random_state=42,
n_jobs=-1,
)
model.fit(X_train, y_train)
print(f"validation_accuracy={model.score(X_test, y_test):.4f}")
os.makedirs(args.model_dir, exist_ok=True)
joblib.dump(model, os.path.join(args.model_dir, "model.joblib"))
本地先验证脚本，确认 CSV 至少包含 label 列和若干数值特征列：
python -m pip install -r requirements.txt
python train.py --data-dir ./data --model-dir ./artifacts --n-estimators 300
接着，在提交训练任务的 Python 文件中，将 rf-project 作为源码目录交给 SDK v3 的 script mode。下面的对象名和资源值应替换为你的账户配置：
from sagemaker.train import ModelTrainer
from sagemaker.core.resources import SourceCode
source_code = SourceCode(
source_dir="./rf-project",
entry_point="train.py",
)
trainer = ModelTrainer(
role_arn="arn:aws:iam::123456789012:role/SageMakerExecutionRole",
image_uri="123456789012.dkr.ecr.us-east-1.amazonaws.com/sklearn-runtime:latest",
instance_type="ml.m5.xlarge",
instance_count=1,
source_code=source_code,
hyperparameters={
"n-estimators": 300,
"max-depth": 12,
},
output_path="s3://my-ml-artifacts/random-forest/output/",
)
trainer.fit({
"training": "s3://my-ml-data/random-forest/train/"
})
这里最值得保留的边界是：不要把访问密钥、临时 token 或数据集密钥写入 SourceCode 目录。同步前还应检查 .gitignore、构建上下文和源码目录，避免把本地虚拟环境、大型 checkpoint、.env 文件或实验数据意外上传。
多 GPU LoRA 微调时要明确责任归属
Stable Diffusion 3.5 的 LoRA 微调比随机森林复杂得多，但拆分原则相同。可以把基础镜像固定为经过验证的 GPU 运行时，把以下高频变化内容保留在本地源码目录：
train_lora.py：参数解析、训练循环和 checkpoint 恢复逻辑。configs/：batch size、学习率、rank、保存间隔等实验配置。dataset.py：caption 清洗、图像预处理和数据校验。launch.sh：调用torchrun或框架分布式启动器的入口。
多 GPU 场景要在提交前确认三件事：容器内的 CUDA、PyTorch 和 NCCL 组合已验证；训练脚本会让每个进程只处理自己的数据分片；模型和日志最终写入 SageMaker 约定的输出路径。否则，即使代码同步成功，也可能遇到 GPU 利用率低、多个进程覆盖同一 checkpoint 或训练结束后没有可导出模型的问题。
采用前的检查清单
script mode 最适合“环境变化慢、训练代码变化快”的团队。将镜像版本作为可追溯的运行时基线，将 SourceCode 与 Git commit、训练参数和数据版本一并记录，才能让快速迭代不牺牲可复现性。
上线前可以检查：
- 镜像是否固定了经过验证的框架和 CUDA 版本，而非只依赖浮动标签。
- 本地源码目录是否只包含任务真正需要的文件。
- 训练入口能否同时在本地和 SageMaker 约定目录下运行。
- 训练产物、日志和 checkpoint 是否写入可持久化的位置。
- 多 GPU 作业是否验证了进程数、数据分片和断点恢复。
当这些边界明确后，SDK v3 的 ModelTrainer、ModelBuilder 与 SourceCode 能把自带模型流程从“改代码就重发镜像”变成“保留稳定运行时，直接提交最新脚本”。