3

我正在向 GCP AI 平台培训服务提交培训作业。我的训练数据集(同一个 GCP 项目中 BigQuery 表上的大约 40M 行)需要在训练作业开始时作为 pandas 数据框进行预处理,因此我尝试了GCP 文档提出的两种解决方案:

  • pandas_gbq API:pd.read_gbq(query, project_id=PROJECT, dialect='standard', use_bqstorage_api=True)

  • 谷歌云大查询 API:client.query(query).to_dataframe(bqstorage_client=bqstorage_client)

这两种方法都适用于 AI 平台笔记本 VM,在几分钟内将整个 40M 行数据集下载为 pandas 数据帧。我正在努力在 AI 平台训练服务器(在 n1-highmem-16 机器上运行)上复制相同的程序。在 pandas-gbq API 的情况下,我得到一个权限被拒绝的错误:

google.api_core.exceptions.PermissionDenied: 403 request failed: the user does not have bigquery.readsessions.create' permission for 'projects/acn-c4-crmdataplatform-dev'

对于 google-cloud-bigquery API,没有错误。

以下是我按照GCP 文档的建议使用 trainer 包中的 setup.py 文件传递​​给 AI 平台训练作业的所需包的列表:

  • 张量流==2.1.0
  • numpy==1.18.2
  • 熊猫==1.0.3
  • google-api-core==1.17.0
  • 谷歌云核心==1.3.0
  • pyarrow==0.16.0
  • 熊猫-gbq==0.13.1
  • 谷歌云大查询存储==0.8.0
  • 谷歌云大查询==1.24.0
4

1 回答 1

2

你必须做两件事:

  • 首先,检查服务帐户是否service-<PROJECT_NUMBER>@cloud-ml.google.com.iam.gserviceaccount.com存在并具有该Cloud ML Service Agent角色。如果没有,请手动添加(您不必创建它!)
  • 授予此服务帐号查询您的 BigQuery 数据集的权限。
于 2020-05-14T19:06:19.733 回答