Docker 当使用自定义容器进行预测时，如何在统一AI平台上访问模型端点的工件？

由于VPC的某些限制，我不得不使用自定义容器对Tensorflow上训练的模型进行预测。根据文档要求，我使用Tensorflow服务创建了一个HTTP服务器。用于生成映像的Dockerfile如下所示：

FROM tensorflow/serving:2.3.0-gpu

# Set where models should be stored in the container
ENV MODEL_BASE_PATH=/models
RUN mkdir -p ${MODEL_BASE_PATH}

# copy the model file
ENV MODEL_NAME=my_model
COPY my_model /models/my_model

EXPOSE 5000

EXPOSE 8080

CMD ["tensorflow_model_server", "--rest_api_port=8080", "--port=5000", "--model_name=my_model", "--model_base_path=/models/my_model"]

其中

my\u model

包含名为

1/

的文件夹中的

已保存的\u model

。然后我将容器图像推送到Google容器注册中心

现在我想将

模型工件

传递给这个定制容器，这样我就不必每次训练新模型时都

构建

和

推送

一个新的docker映像。但是，在统一AI平台上创建

模型时，我无法从我的
Dockerfile
中找到如何访问这个新模型（保存在云存储桶中）

根据所述文件，方法如下：

FROM tensorflow/serving:2.3.0-gpu

# Set where models should be stored in the container
ENV MODEL_BASE_PATH=/models
RUN mkdir -p ${MODEL_BASE_PATH}

# copy the model file
ENV MODEL_NAME=my_model
COPY my_model /models/my_model

EXPOSE 5000

EXPOSE 8080

CMD ["tensorflow_model_server", "--rest_api_port=8080", "--port=5000", "--model_name=my_model", "--model_base_path=/models/my_model"]

但是，如果通过指定
artifactUri
字段，则容器必须在
它开始运行。当AI平台启动容器时，它会设置
AIP\u STORAGE\u URI
环境变量，用于
以
gs://
开头。您可以下载容器的entrypoint命令
此URI为访问模型而指定的目录
人工制品

但是，如何将
入口点
重写到Docker映像中，以便它读取
AIP\u STORAGE\u URI
变量

指向基本映像的链接是tensorflow/serving:2.3.0-gpu

任何帮助都将不胜感激。
在中，说明了Vertex AI创建并管理在创建模型时传递的模型工件的副本。Vertex AI管理的模型工件存储桶的URI存储在环境变量中。要从这个URI访问模型工件，可以按如下方式编写
ENTRYPOINT
命令

ENTRYPOINT tensorflow_model_server --rest_api_port=8080 --port=5000 --model_name=$MODEL_NAME --model_base_path=$AIP_STORAGE_URI

此处使用
ENTRYPOINT
命令的shell形式，因为需要访问
AIP\u STORAGE\u URI
环境变量。可以找到有关该命令用法的更多信息