如何使用云ML来预测csv文件而不是json?

两周前,我第一次亲自经历了这个过程。我建议你用这个 tutorial (由谷歌善良的员工创建)。

• Develop and validate your trainer locally

• Run a single-instance trainer in the cloud

• Deploy a model to support prediction

• Send a prediction request to a deployed model

在上述链接教程的示例中,要将预测输入从json更改为csv,您会注意到默认值为“json”,但可以将其更改为“csv”( source ):

parser.add_argument(
      '--export-format',
      help='The input format of the exported SavedModel binary',
      choices=['JSON', 'CSV', 'EXAMPLE'],
      default='JSON'
  )

这意味着您可以指定 --export-format 'CSV' 创建模型时。例如:

python trainer/task.py \
--train-files ~/Documents/data/adult.data.csv \
--eval-files ~/Documents/data/adult.test.csv \
--job-dir ~/Documents/models/census/v1 \
--train-steps 100 \
--verbosity 'DEBUG' \
--export-format 'CSV'

让我看看我是否可以帮助你——这可能需要在这个高层次答案之外的后续问题(欢迎提出)。

首先是文档-希望你已经看到了 https://cloud.google.com/ml-engine/docs/how-tos/training-steps

1. 在非常高的级别上,您需要编写一个接受一组命令行参数的python程序,因此界面相当通用。您不需要将事物命名为task.py。

2. https://cloud.google.com/ml-engine/docs/how-tos/packaging-trainer )

3. 在分布式培训的情况下,您需要使用TF\u CONFIG环境变量来实例化TensorFlow服务器,该服务器可以与您工作中的其他工作人员进行协调。看到这个了吗 https://cloud.google.com/ml-engine/docs/concepts/trainer-considerations

4. 使用gcloud工具提交作业时,需要指定集群配置。

5. 在云中,您希望从/到云存储中读取训练数据并写入检查点、摘要和生成的模型,而不是本地磁盘(这是暂时的)。TensorFlow在其文件I/O API中支持GCS。看见 https://cloud.google.com/ml-engine/docs/how-tos/working-with-data

6. 最后,当您生成用于ML引擎部署/预测的模型时(如果需要),请确保使用SavedModelAPI- https://cloud.google.com/ml-engine/docs/how-tos/deploying-models

希望这有助于您全面了解。