问题标签 [google-cloud-ai]

在 Google Cloud 上，我提交了很多排队的作业；有时这些工作需要很长时间才能开始。我可以指定关键作业的优先级，以便它们立即启动或以更高的优先级启动。

我正在使用的命令之一是

我已经创建了我的谷歌云帐户，默认情况下所有区域的 GPU 配额为 0。所以我提交了多个增加配额的请求，但他们甚至没有批准一个。我尝试联系销售人员，但即使他们拒绝了请求。有什么方法可以让该请求获得批准？我已经升级了我的帐户。添加了账单明细。添加 500 卢比作为提前付款选项。仍有大约 19,500 卢比的积分剩余。

为了获得在线预测，我正在 ai 平台上创建模型版本。除非我想使用 --accelerator 参数，否则它工作正常。

这是有效的命令：

这是使它不起作用的参数：

这是我收到的错误消息：

我希望它能够工作，因为 1）参数存在并使用这两个键（计数和类型），2）我对参数使用正确的语法，任何其他语法都会返回语法错误，以及 3）“nvidia- tesla-k80" 值存在（在 --help 中描述）并且在部署模型的区域中可用。

我正在尝试使用 Google AI Platform 预测来使用 Mask RCNN 执行对象识别。在花了将近两周的时间后，我能够：

1. 了解如何在 Google Cloud 上进行培训
2. 将模型从 h5 转换为 AI 平台所需的 SavedModel 格式
3. 创建 AI 平台模型并在那里部署经过训练的模型。

现在，我正在尝试执行预测，它说我的输入大小超过了 1.5 MB，这是输入的最大大小。当我检查它时，将图像（大小为 65KB）转换为预测所需格式的代码使输入文件变为 57MB。

我不知道如何在成型时将 64 KB 的图像文件转换为 57 MB 的 json 文件。我想知道如何减少这种情况？不确定我是否做错了什么。

我尝试使用 gcloud local predict 执行本地预测，并且能够获得 57MB 文件的响应。所以，这意味着文件是正确的。

我尝试将图像的最大尺寸设置为 400X400，从而将文件大小从 57MB 减少到大约 7MB。这仍然很高。我不能继续减少它，因为它会导致信息丢失。

我正在尝试在 Google Cloud AI Platform 上的笔记本中运行一个简单的 Python 脚本来进行数据清理。

笔记本电脑有 4 个 CPU 和 15GB RAM。我尝试清理不同大小的数据块，从 10GB 到 200MB，问题仍然存在：内核不断死亡。我不断收到以下错误消息：

GCAM 整理的文件保存错误 1219.ipynb 错误 504（网关超时）！！1 {margin:0;padding:0}html,code{font:15px/22px arial,sans-serif}html{background:#fff; color:#222;padding:15px}body{margin:7% auto 0;max-width:390px;min-height:180px;padding:30px 0 15px}> body{background:url(//www.google.com/images/errors/robot.png) 100% 5px no-repeat;padding-right:205px}p{margin:11px 0 22px;overflow:hidden}ins{ color:#777;text-decoration:none}a img{border:0}@media screen and (max-width:772px){body{background:none;margin-top:0;max-width:none;padding- right:0}}#logo{background:url(//www.google.com/images/logos/errorpage/error_logo-150x54.png) no-repeat;margin-left:-5px}@media only screen and (min -resolution:192dpi){#logo{background:url(//www.google.com/images/logos/errorpage/error_logo-150x54-2x.png) 无重复 0% 0%/100% 100%;-moz -border-image:url(//www.google.com/images/logos/errorpage/error_logo-150x54-2x.png) 0}}@media only screen and (-webkit-min-device-pixel-ratio:2 ){#logo{background:url(//www.google.com/images/logos/errorpage/error_logo-150x54-2x.png) no-repeat;-webkit-background-size:100% 100%}}#logo{display:inline-block;height:54px;width:150px}

504.这是一个错误。

我们知道的就这些。

解雇

我使用的脚本只使用熊猫。我试图通过收集垃圾和删除不再需要的变量来提高我的代码效率。

任何想法为什么会不断发生此错误将不胜感激！

我正在尝试加载预训练的 Keras 模型，以便在谷歌云上继续训练。它在本地工作，只需加载鉴别器和生成器

但显然这在谷歌云上不起作用，我尝试使用与从谷歌存储桶中读取训练数据相同的方法，使用：

但是，这似乎不适用于加载模型，运行作业时出现以下错误。

ValueError：allow_pickle=False 时无法加载包含腌制数据的文件

添加allow_pickle=True，引发另一个错误：

OSError：无法将文件 <_io.BytesIO object at 0x7fdf2bb42620> 解释为泡菜

然后我尝试了一些我发现的东西，因为有人建议我解决类似的问题，据我所知，它会暂时从存储桶中重新保存模型本地（相对于作业运行的位置），然后加载它，使用：

但是，这会引发以下错误：

TypeError：预期的二进制或 unicode 字符串，得到 tensorflow.python.lib.io.file_io.FileIO 对象

我必须承认，我不确定我需要做什么才能从我的存储桶中实际加载预训练的 keras 模型，以及在我在谷歌云的培训工作中的用途。任何帮助都深表感谢。

google ai platform我做了很多搜索，但我不明白和之间有什么区别ml engine。

似乎它们都可以用于训练和部署模型。

google-cloud-automl、google ai hub等其他词也很混乱。

它们之间有什么区别？谢谢

我希望运行一个使用 Tensorflow 运行模拟并将结果输出到 csv 文件的 Python 应用程序。

我想在 GCP 上运行它。我的计划是使用Tony在 Dataproc 集群中运行它。

似乎有很多 GCP 方法可以做 ML 工作，例如使用AI Platform，我想知道是否有更简单/更好的方法来实现我的目标。

我们要做模型服务基础设施。我正在比较Google AI Prediction和kfserving。但是我找不到足够的关于 google ai 服务的特性以及它是如何实现的文档。

似乎gcloud ai-platform versions create可以创建模型版本资源并开始服务，这是我能找到的唯一一点。

我有三个问题：

1、google ai服务和kfserving是什么关系？

2、如何gcloud ai-platform versions create工作？

3、关于google ai服务的功能，google ai服务是否提供https://www.kubeflow.org/docs/components/serving/overview/中列出的所有功能，如canary rollout、explainers、monitoring等？

我正在 Google Cloud AI Training (Cloud ML Engine) 上启动容器映像

在这些容器中，我需要使用 gsutil。一些容器有 gsutil。在这种情况下，我可以立即使用它而无需任何身份验证步骤。

有些容器没有gsutil，所以我必须安装它。问题是安装的 gsutil 不起作用。

当我使用官方cloud-sdk图像时，gsutil无需任何身份验证步骤即可工作。

当我使用python:3.7图像并gsutil从 PyPI 安装时，它不起作用：

ServiceException: 401 Anonymous caller does not have storage.objects.get access to ...

如何使独立 gsutil 获得所需的凭据？

大多数指南侧重于手动调用gcloud auth、复制 URL 和复制回令牌。这不是我寻求的解决方案（应该是自动化的）。我知道自动化解决方案是可能的，因为在某些图像gsutil中是开箱即用的。