3

我有一个代码如下，我想提交给 Google cloud ml。我已经测试了他们的例子并得到了结果。

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
import numpy as np

# Data sets
I_TRAINING = "/home/android/Desktop/training.csv"
I_TEST = "/home/android/Desktop/test.csv"

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv(filename=I_TRAINING, target_dtype=np.int)
test_set = tf.contrib.learn.datasets.base.load_csv(filename=I_TEST, target_dtype=np.int)

# Specify that all features have real-value data
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=2)]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=2,
                                            model_dir="/tmp/my_model")

# Fit model.
classifier.fit(x=training_set.data, y=training_set.target, steps=2000)

# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data, y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))

# Classify two new flower samples.
#new_samples = np.array(
 #   [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
#y = classifier.predict(new_samples)
#print('Predictions: {}'.format(str(y)))

这是在 tensorflow 中训练和创建 DNN 模型的代码。我已经在本地进行了测试并收到了结果。我将此代码与init .py 文件一起放在名为 trainer 的文件夹中，并将该文件夹上传到 gs://bucket-ml/second_job/trainer。Second_job 是 JOB_NAME。

然后，当我想将此作为作业提交时，我这样做并收到以下错误：

gcloud beta ml jobs submit training ${JOB_NAME}  \ 
--package-path=trainer   \
--module-name=trainer.trainer   \
--staging-bucket="${TRAIN_BUCKET}"   \
--region=us-central1   \
--train_dir="${TRAIN_PATH}/train"

ERROR: (gcloud.beta.ml.jobs.submit.training) 
    Packaging of user python code failed with message:
      running sdist
running egg_info
creating trainer.egg-info
writing trainer.egg-info/PKG-INFO
writing top-level names to trainer.egg-info/top_level.txt
writing dependency_links to trainer.egg-info/dependency_links.txt
writing manifest file 'trainer.egg-info/SOURCES.txt'
error: package directory 'trainer' does not exist
    Try manually writing a setup.py file at your package root
    and rerunning the command

我不确定包路径和模块名称是否正确。请告诉我该怎么做。感谢和问候，

4

1 回答 1

6

gcloud 命令的--package-path参数应该指向一个有效的 Python 包目录，即包含__init__.py文件（通常是空文件）的目录。请注意，它应该是本地目录，而不是 GCS 上的目录。

该--module参数将是该包中有效 Python 模块的完全限定名称。您可以根据需要组织目录，但为了保持一致性，所有示例都有一个 Python 包，该包以trainer要运行的模块命名task.py。

示例的目录结构如下所示：

trainer/
  __init__.py
  task.py

__init__.py很可能是一个空文件。task.py包含您的代码。然后您可以按如下方式提交您的工作：

gcloud beta ml jobs submit training ${JOB_NAME}  \ 
  --package-path=trainer   \
  --module-name=trainer.task   \
  --staging-bucket="${TRAIN_BUCKET}"   \
  --region=us-central1   \
  -- \
  --train_dir="${TRAIN_PATH}/train"

你可以为你的包和模块选择任何你想要的名字，只要确保磁盘上的名字和 gcloud 参数匹配：顶级目录是--package-path和你要运行的代码的文件是--module（没有.py后缀）。

几点注意事项：

  • 注意额外的'--\'。这表明所有以下参数都应传递给您的程序。也就是说， --train_dir 不是 gcloud beta ml 作业提交训练的参数，并且将作为标志传递给您的程序
  • 如果您打算使用 train_dir，则需要在代码中添加一些标志解析，例如，使用 argparse。
  • 您在云端读取的文件需要在 GCS 上。
  • 尽管标志解析为您提供了更大的灵活性，但这不是必需的。您可以硬编码文件名的路径。只需确保它们指向 GCS 上的对象（然后--train_dir从 gcloud 调用中删除）
于 2016-10-27T14:34:18.437 回答