由于防火墙问题，我无法在本地访问Cloud Console或安装/运行。gcloud即使附加到 Compute Engine 虚拟机实例也会失败。但是，从 AI Platform 启动 Notebook 并在浏览器中处理它是我的环境中唯一有效的方法。
为了测试演示并了解如何保存和部署模型，我为波士顿住房数据集编写了一些非常基本的代码。但是代码在我调用的部分失败joblib.dump(model, filename)。然而，完全相同的代码在本地毫无例外地工作。
我有一个总体想法，我需要将模型保存/部署到 Google Cloud Storage 并以某种方式从那里访问它。但是我发现的说明一直提到一些我目前无法访问的 shell 环境。
Q1.) 有没有办法在不离开笔记本环境的情况下将模型保存在云存储中？
Q2.) 另外，我如何再次访问模型进行预测？
最重要的问题。）将上述 2 个问题的工作，引导我有一个部署模型？
您可以使用的示例代码 -
from sklearn import datasets
from sklearn.model_selection import train_test_split
from sklearn.linear_model import LinearRegression
from sklearn.metrics import mean_squared_error, r2_score
import joblib
boston_dataset = datasets.load_boston()
X = boston_dataset['data']
Y = boston_dataset['target']
X_train, X_test, Y_train, Y_test = train_test_split(X, Y, test_size = 0.2, random_state=5)
lin_model = LinearRegression()
lin_model.fit(X_train, Y_train)
y_train_predict = lin_model.predict(X_train)
rmse = (np.sqrt(mean_squared_error(Y_train, y_train_predict)))
r2 = r2_score(Y_train, y_train_predict)
y_test_predict = lin_model.predict(X_test)
# root mean square error of the model
rmse = (np.sqrt(mean_squared_error(Y_test, y_test_predict)))
# r-squared score of the model
r2 = r2_score(Y_test, y_test_predict)
print('RMSE is {}'.format(rmse))
print('R2 score is {}'.format(r2))
filename = 'model.pkl'
joblib.dump(lin_model, filename) # <- this line raises exception
loaded_model = joblib.load(filename)
result = loaded_model.score(X_test, Y_test)
print(result)