Облачный мл двигатель доступ для чтения к корзине

Я пытаюсь запустить задание Cloud ML-Engine с моим проектом движка приложения nodejs. Поскольку для него нет библиотеки, я использую «googleapis» следующим образом:

const {google} = require('googleapis');
const params = {
    parent: 'projects/my-playground',
    requestBody: {
        jobId: 'test-job-' + Date.now(),
        trainingInput: {
            runtimeVersion: '1.6',
            jobDir: 'gs://my-ml-test-bucket',
            packageUris: ['gs://my-ml-test-bucket/MLEngine/trainer'],
            pythonModule: 'trainer.task',

            scaleTier: "CUSTOM",
            masterType: "complex_model_l",
            workerCount: "0",
            workerType: "standard",
            parameterServerCount: "0",
            parameterServerType: "standard",
            region: "europe-west1",

            args: [
                'file=gs://my-ml-test-bucket/testFile.csv',
                'threshold=0.5',
                'latent-factors=15',
                'iterations=50'
            ]
        }
    }
};
google.auth.getClient()
    .then(authClient => {
        const ML = google.ml({
            version: 'v1',
            auth: authClient
        });
        ML.projects.jobs.create(params)
    });

При выполнении кода я получаю следующую ошибку:

Error creating the job. Field: package_uris Error: The provided GCS paths [gs://my-ml-test-bucket/MLEngine/trainer] cannot be read. Please make sure that the objects exist and you have read access to it.

Все файлы загружаются в этот каталог и Cloud ML Service Agent получили права Storage Object Admin на ведро, но я все равно получаю эту ошибку. Любые идеи?




Ответы (1)


Похоже, вы указали имя каталога в параметре packageUris для trainingInput. Если вы загрузили свой код тренера в облачное хранилище, вместо этого вам следует указать полный путь к файлу сжатого архива.

Например, если ваш учебный пакет называется trainer.tar.gz, вы можете передать следующее значение: packageUris: ['gs://my-ml-test-bucket/MLEngine/trainer.tar.gz'].

По следующей ссылке представлена ​​дополнительная информация о создании и использовании пакетов в Cloud ML Engine: https://cloud.google.com/ml-engine/docs/tensorflow/packaging-trainer.

person rpasricha    schedule 28.08.2018