问题标签 [google-cloud-ml]

I am looking to use Google Cloud ML to host my Keras models so that I can call the API and make some predictions. I am running into some issues from the Keras side of things.

So far I have been able to build a model using TensorFlow and deploy it on CloudML. In order for this to work I had to make some changes to my basic TF code. The changes are documented here: https://cloud.google.com/ml/docs/how-tos/preparing-models#code_changes

I have also been able to train a similar model using Keras. I can even save the model in the same export and export.meta format as I would get with TF.

The part I am missing is how do I add the placeholders for input and output into the graph I build on Keras?

在 Cloud Shell 中运行Google 的 Slaven Bilac 发布的示例代码时，会发生错误。

如何修改来自GoogleCloudPlatform/cloudml-samples/flowers的文件以避免这种情况？

我正在尝试将 cloudml-samples/flowers/ 中的教程代码应用于一组具有多标签的照片。环境是 Google Cloud Shell。“预处理”所有训练和评估集。开始训练任务时出错。

我通过 python 调用了 trainer.task 并返回了以下错误消息。请让我知道通过运行 gcloud beta ml 命令获得的日志信息（仅是一些通用信息）或其他任何内容是否会有所帮助。

提前感谢您的关注。

我正在测试 Google Cloud ML 以使用 Tensorflow 加速我的 ML 模型。

不幸的是，Google Cloud ML 似乎非常慢。我的主流级 PC 至少比 Google Cloud ML 快 10 倍。

我怀疑它使用GPU，所以我做了一个测试。我修改了一个示例代码以强制使用 GPU。

此培训代码适用于我的 PC ( gcloud beta ml local train ...)，但不适用于云端。它给出了这样的错误：

Google Cloud ML 是否支持 GPU？

有没有人尝试过导出在本地机器上构建的 tensorflow 模型并使用谷歌云 ml 预测 API 上传这个模型？

我正在尝试在我的本地机器上使用此博客中给出的再训练示例的稍微修改版本来构建图形，并将导出的模型检查点直接上传到云 ml 进行预测。但是它抛出一个错误说：

当进行调试时，我尝试使用相同的图形和相同的示例进行本地预测 command gcloud beta ml local predict，它给出了错误：

似乎它无法从模型中导入所有图形元素。我已经使用这个命令导出了模型：

设置 Google Cloud ML的文档建议安装 Tensorflow 版本 r0.11。我观察到 r0.12 中新提供的 TensorFlow 函数在 Cloud ML 上运行时会引发异常。支持 r0.12 的 Cloud ML 是否有时间表？r0.11 和 r0.12 之间的切换是可选的还是强制的？

我正在运行 Google Cloud ML，当我尝试导入 librosa 时出现错误：

ImportError: No module named _tkinter, please install the python-tk package

我确实有一个 setup.py 文件，一个空的__init__.py文件

我从 Google Cloud 获得的完整输出如下：

我在 google cloud ml training 上运行一个模型，大约需要 10 个小时，对机器的形状进行了一些幼稚的猜测。我想对其进行一些优化以减少运行时间和总体成本。

确定我是否有效使用资源的最佳方法是什么？我想要 cpu 测量值、内存压力和 GPU 使用率（只要它们可用）。我怀疑我需要1）记录这些或2）安装像堆栈驱动程序这样的监控代理，并假设像nvidia-smi这样的东西是可定位的，但我很好奇是否有人尝试过。

谷歌云文档在一些地方引用了 Python SDK 文档。

前任。 feature_type：创建您想要的特征对象类型的方法，例如键、目标或文本。有关所有受支持的功能类型的说明，请参阅 Cloud ML Python SDK。 https://cloud.google.com/ml/docs/concepts/preprocessing-overview

对于我的生活，我在任何地方都找不到这个 SDK 文档？目前是否已发布？

在 Cloud Shell 中运行 Google 的 @SlavenBilac发布的示例代码以使用 Google Cloud Machine Learning 和 Cloud Dataflow 训练和分类图像时发生错误。

代码卡在 global_step/sec: 0

根据 Google 对类似问题的@JoshGC回答，我昨天创建了一个全新的 Google Cloud 帐户（具有新的计费帐户、新项目等），然后运行 ​​CloudShell 设置脚本和设置环境的其他步骤，然后运行示例代码针对样本花卉数据。出现错误（如下图），所以我认为原因与数据或我的帐户配置无关。

如何修改GoogleCloudPlatform/cloudml-samples/flowers中的文件以避免此错误？

摘录：

运行示例代码

预处理似乎没问题

培训开始

训练卡在 global_step/sec: 0