问题标签 [google-cloud-ai]

我在 Vertex AI 上上传了我的 tflite 模型并创建了一个端点，我请求使用一些输入值进行推理，但它返回的结果与我的本地 tflite 模型的推理结果不同。

输入值是 float32 数组（实际上是采样的音频数据），我将此代码用于请求。虽然输入数组相同，但是本地 tflite 模型和 Vertex AI 上传的模型返回的结果相差很大。

传输到 Vertex AI 实例时，值是否存在失真的可能性？

我正在使用 Vertex AI 进行 AutoML 视频分类，我想获取一些在 Web UI（云控制台）中看到的数据（模型/数据集详细信息）。我正在使用 AI 平台 Python SDK 或 REST API。

例如，模型 API 返回“训练视频”但不返回测试视频（网络模型详细信息，选项卡 EVALUATE）

然后例如在网络上的选项卡模型属性中，我无法获得训练时间、项目总数、算法、目标、项目总数

对于数据集详细信息，我想获取已标记/未标记视频、标签和对应编号的数量

这是我用来获取数据的代码（作为 Vertex AI Pipeline 中的组件）：

另外例如，我发现在创建数据集时的训练工作中，通过 WebUI 训练模型我可以获得数据拆分（训练/测试比率），但是当我在 Vertex AI Pipelines 中执行此操作时，我没有明确设置AutoMLVideoTrainingJobRunOp 的数据拆分，我无法从训练作业详细信息中拆分数据，因此它似乎仅在明确设置时才保存。

我注意到的另一件事是，当对 Cloud Console（检查 Chrome 开发工具）发出 API 请求时，它会返回更多（更丰富）的数据（项目），然后是公共 Vertex AI API。

我不确定这是暂时的还是有意/永久的行为。

我将不胜感激想法/评论/帮助。

我正在尝试使用 python SDK 运行 Vertex AI 自定义训练作业，遵循本自述文件中列出的一般说明。我的代码如下（删除敏感数据）：

当我执行job.run()时，我收到以下错误：

完整的回溯不会显示它对任何特定输入的不满。我已经使用 Vertex CLI 在同一个容器中成功运行aiplatform.init()了作业。我相信我的没有问题（我正在同一个项目中的 Vertex 工作台机器上运行作业）。

我正在 Google Cloud 的 AI 平台上使用 TensorFlow 训练模型，虽然训练本身进行得很好，但我无法将已完成的模型以 SavedModel 格式保存到我的云存储桶中。我知道存储桶设置正确，因为在训练开始时我从同一个存储桶下载我的训练数据。这是我用来保存模型的代码：

其中“machine-learning-ebay”是存储桶，“job-dir”是该存储桶中的一个文件夹。

我在谷歌云的职位描述页面上收到以下错误：

任何帮助是极大的赞赏; 这个项目的截止日期是今天。

我拥有的日期是 10.01.2022，我想要的值是 10012022 - 我该怎么做？谢谢

我是 Google Cloud AI 平台的新手。我正在使用服务帐户运行 AI Platform Notebook 实例。我已经成功地将另一个用户添加到我的项目中，但是对于新用户来说，仅仅启动我们的共享笔记本似乎太复杂了。我已经冒险进入 Google SDK。如果我通过我的项目仪表板将它们添加到我的项目中，它们是否有一种简单的方法来启动笔记本实例？我没有通过文档找到太多东西。谢谢你。

我正在 gcloud ai 平台上分布式训练 tensorflow==2.7.0 模型。

我正在使用ParameterServerStrategy策略，有多个工人。

我感到困惑且找不到答案的一件事是如何正确设置每个工人在一个时期内运行的步数。

考虑代码片段：

是steps_per_epoch：

1. 每个工人运行的步数

或者

2. 主人为工人分派执行步骤的次数？

假设数据集大小为1,000,000, 和batch_size=100, 并且有10工人。在一个时代，我想处理数据集中的每个实例一次，然后

我应该设置steps_per_epoch=1,000,000 / 100 = 10,000还是应该设置它steps_per_epoch=1,000,000 / 100 / 10 = 1,000？

我一直在阅读TabNet模型，它通过细心的转换器的掩码值进行预测“解释”。

但是，如果输入值未归一化，那么这是否掩盖了值只是归一化标量（而不是特征的重要性值）？

例如：一个特征Time以天数表示，并且掩码平均值为 1/365，这可能意味着掩码只是对特征进行归一化？

如果我的问题不清楚，请告诉我。