问题标签 [gcp-ai-platform-notebook]

我有一个 Jupyter notebook 的代码，我想安排谷歌云每天运行。

我已经创建了 VM 实例并在那里运行我的代码，但我找不到任何指南或视频如何实现日常运行。

那么，我该怎么做呢？

就在几天前，我可以创建一个只有一个用户访问权限的 AI Notebooks，现在它已经消失了。它去哪儿了？

更新

因此，我尝试使用不同的用户帐户（相同的项目，不同的用户电子邮件），瞧，它又出现了，如下所示：

但是如果我尝试再次回到我以前的用户帐户，它仍然消失了，所以我认为由于 AI Notebook 仍然处于 Beta 版本中，这些怪异可能是由于他们进行了某种 A/B 测试。

我正在练习将模型部署到 GCP 云 ML 引擎。但是，当我在本地 jupyter 笔记本中执行以下代码部分时，会收到以下错误消息。请注意，我的本地 PC 中确实安装了 bash，并且环境变量已正确设置。

%%bash

gcloud 配置设置项目 $PROJECT

gcloud 配置集计算/区域 $REGION

错误信息：

-bash：第 1 行：/mnt/c/Users/User/AppData/Local/Google/Cloud SDK/google-cloud-sdk/bin/gcloud：权限被拒绝 -bash：第 2 行：/mnt/c/Users/User /AppData/Local/Google/Cloud SDK/google-cloud-sdk/bin/gcloud：权限被拒绝

CalledProcessError：命令 'b'gcloud config set project $PROJECT\ngcloud config set compute/region $REGION\n\n'' 返回非零退出状态 126。

我目前正在尝试从共享的 gcp 存储桶将数据读入我的 gcp 笔记本。我是一名管理员，所以据我所知，限制不应该适用，但是在我阅读 pandas 之前我就遇到了错误。这可能吗？还是我以错误的方式解决这个问题？

这是我尝试过的代码：

我希望在指定存储桶后简单地引入数据，但我收到错误“'str' object has no attribute 'path'”。

我已经在 Google Cloud Platform 上以“SavedModel”格式部署了一个 AI 模型。当我通过 AI Platform 上的“测试和使用”工具输入样本输入数据时，该模型能够做出预测。

现在，我想公开 API 端点，以便其他前端应用程序（例如 Android）可以使用这个部署的模型。这样做的程序是什么？我在 Google 提供的文档中找不到太多帮助。

我正在寻找建立端到端机器学习管道并评估数据探索组件选项的最佳方法。

我试图找出谷歌云数据实验室和谷歌云人工智能平台笔记本之间的区别。它们似乎都提供了相似的功能，所以不确定它们为什么都存在，或者一个是否是另一个的新迭代。

如果它们不同，那么一个比另一个有什么好处？

我正在尝试使用 devops 管道在 AI 平台（https://cloud.google.com/ai-platform/notebooks/docs/create-new）上创建一个 Jupyter 笔记本，为此我需要gcloud 命令来创建一个 Jupyter 笔记本但我无法找到 GCP 文档。有人可以帮忙吗？

我的项目有一个需要 python v3.6+ 的依赖项。因此，它在通过 python 3 内核中的 pip 安装期间会引发错误，因为 AI Platform Notebooks 默认附带 v3.5。如何使用最新版本的 python 运行 GCP AI Platform Notebook？

我在 AI Platform 上部署了一个 ResNet50 模型 (900 MB)，最小节点 = 1。

当我进行推理时，有时我会随机得到错误 500 和 429。对于 AI Platform 代码错误 ( https://cloud.google.com/ml-engine/docs/troubleshooting )：

1. 错误 500：无法加载模型
2. 错误 429：内存不足

我有点困惑，因为这些错误是随机发生的。当这些错误发生时，我再次播放请求，并在获得良好结果之后。

拜托，你能解释一下我为什么会出现这种行为吗？我该如何解决这个问题？

非常感谢你的回答，

最好的，

我有一个 GCP ML 管道，一旦将 .csv 文件存储到 Cloud Bucket 中，我需要对 .csv 进行预处理（主要是pandas操作），然后将其传递给 Google Cloud AI Platform 进行训练。

如果我在 AI Platform 中进行此预处理（包含预处理和模型训练的单个训练作业），这将花费大量时间，不知道为什么，日志没有为这个时间延迟指定任何内容，但是训练部分在ai平台中相当快。

我们不应该在 AI Platform/ML Engine 中进行数据预处理吗？

我尝试使用 Cloud Function 进行预处理，但它在 540 秒内超时，这对我们来说是一个瓶颈。此外，我不确定 Cloud Dataflow 是否最适合此用例。

基本上我需要python pandas在将数据传递给 AI Platform 之前进行一些预处理。您能否推荐任何相同的 GCP 产品？

我知道我们可以创建一个 GCE 实例并在那里做所有事情，但我们不想使用任何 IaaS 服务，而是更多来自 GCP 的 PaaS 用于以后扩展。