Блог

Я отправил учебное задание в облако с помощью RESTful API и вижу в журналах консоли, что оно успешно завершено. Чтобы развернуть модель и использовать ее для прогнозирования, я сохранил окончательную модель, используя tf.train.Saver().save() (в соответствии с инструкциями).

При локальном запуске я могу найти файлы графиков ( export-* и export-*.meta ) в рабочем каталоге. Однако при запуске в облаке я не знаю, где они заканчиваются. Похоже, что в API нет параметра для указания этого, его нет в корзине с приложением trainer, и я не могу найти никаких временных корзин в облачном хранилище, созданном заданием.

При настройке среды Cloud ML вы настраиваете корзину для этой цели. Вы заглядывали туда?

https://cloud.google.com/ml/docs/how-tos/getting-set-up

Редактировать (для записи в будущем): как упоминал Роберт в комментариях, вы захотите передать местоположение вывода в задание в качестве аргумента. Несколько вещей, о которых следует помнить:

• Используйте уникальное местоположение вывода для каждого задания, чтобы одно задание не мешало выводам другого.

• Рекомендуется указать родительский выходной путь и использовать его для размещения экспортированной модели в подпути с именем «модель», а также для организации других выходных данных, таких как контрольные точки и сводки, в этом пути. Это упрощает управление всеми выводами.

• Хотя это и не обязательно, я также предложу размещать обучающий код в подпути packages вывода, что помогает соотносить источник с получаемыми им результатами.

• Наконец (!), Также имейте в виду, что при использовании настройки гиперпараметров вам нужно будет добавить идентификатор пробной версии в путь вывода для результатов, полученных в результате отдельных запусков.