问题标签 [google-ai-platform]

我有一个自定义的 gcp-ai-platform 培训作业脚本，我一直在运行，我上次运行它是在 1 周前。但是，今天相同的训练作业和脚本因错误而失败。

我试图隔离这个问题，当 pandas 试图从谷歌云存储中读取我的训练集 csv 时，我的代码中断了。我的人工智能平台培训工作和谷歌云存储属于同一个项目。

我还注意到在训练作业的初始化过程中日志存在差异，额外的日志行如下：

我不确定这些将如何改变 pandas read_csv 的方式。请帮忙。谢谢。

我正在尝试将 python 文件推送到 Google AI Platform（统一）。对于我使用 setuptools 的依赖项：

为 中的所有包获取此错误REQUIRED PACKAGES。

来自pathname run_module.py谷歌云。我没有这样命名的文件。我是否应该将我的训练任务的文件名更改为 run_module.py 并且它会起作用？

我已经成功地在统一云 AI 平台上创建了一个端点，并在其上部署了两个Model-Model A分别Model B具有 20% 和 80% 的流量。现在，在 Cloud Console（用户界面）上，我可以选择编辑设置 并将流量拆分分别更改为 30% 和 70%，然后Model部署 s。但是我无法弄清楚如何使用 Python Client API 来做到这一点。

此处提供的文档不足以理解我们如何做到这一点。任何帮助将不胜感激。

我正在考虑在 GCP 上使用 Google AI Platform。但是，我不使用机器学习算法，另一方面，我使用了一些数学优化。所以，我正在使用“Gurobi 优化”来解决我们的优化问题。

我的问题是：

1. 就我而言（仅使用数学优化案例），您认为使用 AI Platform 会起作用吗？（我认为使用笔记本、管道和假设分析工具很有吸引力。）
2. 我可以从 AI Platform 连接到 Gurobi 优化服务器（在 Compute Engine 上）吗？

当您使用 AI-Platform 部署模型时，您可以在链接中看到

https://console.cloud.google.com/apis/api/ml.googleapis.com/metrics?project=<my_project_name>

部署 ML 模型的 API（或特别是端点）的一些性能指标，例如延迟（响应时间）、发生了多少 200 个状态代码等......

我想从 python 获取这些信息，而不是在 GUI 中。这可能吗 ？我正在阅读此处的文档，但似乎找不到答案。

为部署在 AIP 统一上的模型调用批量预测会产生一个空结果文件和一个包含以下内容的错误文件：

这很奇怪，因为错误消息包含正确的输出：{"predictions":[{"data":[{"715":{"0":1}}]}]}，这意味着预测运行成功并且接收端能够读取它，输入是 JSONL 格式并且仅包含一个用于测试目的的实例

任何想法？

我正在向 GCP AI 统一平台发送自定义作业。我收到以下警告：

在这些警告中，有pathname run_module.py. 我没有任何名为 run_module 的 python 文件。这是一些内部 GCP AI 平台的东西吗？

另一方面，为什么消息说WARNING“级别名称”是ERROR？

我对模型调用的预测有超时问题，这似乎是因为冷启动。似乎模型的节点几乎每次被调用时都在安装依赖项（虽然 minNodes 为 1）。仅当版本超过 1 个时才会出现问题，否则它不会重新安装依赖项并且它会在 1 秒内进行预测，而不是在 120 秒内进行超时...我需要放置更高的 minNodes 吗？

如果有人遇到问题并有解决方案（或任何建议），我真的很感兴趣；）

谢谢

我已经成功地在统一云 AI 平台上创建了一个端点，并在其上部署了两个Model-Model B分别Model C具有 20% 和 80% 的流量。我有第三个Model——Model A我之前部署的，现在流量为 0%。

现在，在 Cloud Console（用户界面）上，我可以选择取消部署它Model A，我可以成功地这样做。但是我无法弄清楚如何使用 Python Client API 来做到这一点。

此处提供的文档不足以理解我们如何做到这一点。任何帮助将不胜感激。

在GCP AI Platform Unified的文档中它说：

即使您已将预测节点配置为使用 GPU，AI Platform 也会根据 CPU 使用情况扩展您的节点；因此，如果您的预测吞吐量导致 GPU 使用率高，但 CPU 使用率不高，您的节点可能无法按预期扩展

我们如何根据 GPU 使用情况进行扩展？