人工智能平台 PAI：常见问题

由于用户的开发环境无法预测，很可能与EAS线上环境存在区别。为保证开发环境与线上环境一致，EAS提供了预先构建的开发镜像，用于配置Python Processor的ENV环境。开发镜像中已预装Conda并生成了对应Python版本的ENV环境，EAS提供的开发镜像如下。

# 仅安装了Conda的基础镜像。
registry.cn-shanghai.aliyuncs.com/eas/eas-python-base-image:latest
# 安装了Conda、Python 2.7及EAS Allspark 0.8的Python SDK。
registry.cn-shanghai.aliyuncs.com/eas/eas-python-base-image:py2.7-allspark-0.8
# 安装了Conda、Python 3.6及EAS Allspark 0.8的Python SDK。
registry.cn-shanghai.aliyuncs.com/eas/eas-python-base-image:py3.6-allspark-0.8

常见的pip install opencv方法依赖于libXext、libSM及libXrender库。因为EAS线上环境没有预装libXext、libSM及libXrender库，所以使用该命令安装的cv2在离线测试环境中可能正常运行，但是在线上环境可能运行失败。您可以通过以下任何一种方式解决该报错：

• 使用pip install openv-python-headless安装cv2，该方法不依赖于额外安装的libXext、libSM及libXrender库。

• 查找系统中已安装的libXext、libSM及libXrender的二进制库ISO文件，将其拷贝至ENV/lib并随Proccessor上传。（这种方法可能出现其他依赖库，需要根据实际情况解决。）

预测服务使用阿里云AccessKey进行身份认证，提交任务时需要使用AccessKey ID和AccessKey Secret。Endpoint默认地域为华东2（上海），如果需要将模型部署至其它地域，可以使用-e参数指定地域对应的Endpoint，示例如下。

./eascmd64 config -i <yourAccessKey ID> -k <yourAccessKey Secret> -e pai-eas.cn-beijing.aliyuncs.com

创建任务所需的资源可能不足或无法找到。首先需要确认配置的资源地域及资源名称是否正确，然后确认是否有足够的可用资源。如下的EAS信息描述文件可以查看相关配置。

{
  "name": "service",
  "token": "[Authorization-token]",
  "data_image":"[your-public-docker-image-repo]",
  "processor_entry": "app.py",
  "processor_type": "python",
  "processor_path": "[oss://eas-model-shenzhen/xxxxxxxxx/codes.tar.gz]",
  "metadata": {
    "region": "cn-shenzhen", # 确保资源组所在的地域正确。
    "resource": "resource-name", # 确保资源组名称（类似:EAS-LsFlrwBP56）正确且与地域对应。
    "gpu": 1,
    "cpu": 6,
    "memory": 2000,
    "instance": 2, # 每个实例占用（gpu=1, cpu=6, memory=2000B）的资源。
                # 如果可用资源不足，则该任务一直处于waiting状态。
    "cuda": "10.0"
  }
}