Google cloud platform 向Google Cloud ML提交培训作业

我有一个代码如下，我想提交给谷歌云ml。我已经测试了他们的例子，并得到了结果

from __future__ import absolute_import
from __future__ import division
from __future__ import print_function

import tensorflow as tf
import numpy as np

# Data sets
I_TRAINING = "/home/android/Desktop/training.csv"
I_TEST = "/home/android/Desktop/test.csv"

# Load datasets.
training_set = tf.contrib.learn.datasets.base.load_csv(filename=I_TRAINING, target_dtype=np.int)
test_set = tf.contrib.learn.datasets.base.load_csv(filename=I_TEST, target_dtype=np.int)

# Specify that all features have real-value data
feature_columns = [tf.contrib.layers.real_valued_column("", dimension=2)]

# Build 3 layer DNN with 10, 20, 10 units respectively.
classifier = tf.contrib.learn.DNNClassifier(feature_columns=feature_columns,
                                            hidden_units=[10, 20, 10],
                                            n_classes=2,
                                            model_dir="/tmp/my_model")

# Fit model.
classifier.fit(x=training_set.data, y=training_set.target, steps=2000)

# Evaluate accuracy.
accuracy_score = classifier.evaluate(x=test_set.data, y=test_set.target)["accuracy"]
print('Accuracy: {0:f}'.format(accuracy_score))

# Classify two new flower samples.
#new_samples = np.array(
 #   [[6.4, 3.2, 4.5, 1.5], [5.8, 3.1, 5.0, 1.7]], dtype=float)
#y = classifier.predict(new_samples)
#print('Predictions: {}'.format(str(y)))

这是在tensorflow中训练和创建DNN模型的代码。我已经在本地进行了测试，并收到了结果。我将此代码与init.py文件一起放在名为trainer的文件夹中，并将该文件夹上载到gs://bucket ml/second\u job/trainer。第二个作业是作业名称

然后，当我想将其作为作业提交时，我执行此操作并得到以下错误：

gcloud beta ml jobs submit training ${JOB_NAME}  \ 
--package-path=trainer   \
--module-name=trainer.trainer   \
--staging-bucket="${TRAIN_BUCKET}"   \
--region=us-central1   \
--train_dir="${TRAIN_PATH}/train"

ERROR: (gcloud.beta.ml.jobs.submit.training) 
    Packaging of user python code failed with message:
      running sdist
running egg_info
creating trainer.egg-info
writing trainer.egg-info/PKG-INFO
writing top-level names to trainer.egg-info/top_level.txt
writing dependency_links to trainer.egg-info/dependency_links.txt
writing manifest file 'trainer.egg-info/SOURCES.txt'
error: package directory 'trainer' does not exist
    Try manually writing a setup.py file at your package root
    and rerunning the command

我不确定包路径和模块名是否正确。请告诉我该怎么办。谢谢 在这方面，

gcloud命令的

--package path

参数应该指向一个有效Python包的目录，即包含

\uuu init\uuuu.py

文件（通常是空文件）的目录。请注意，它应该是本地目录，而不是GCS上的目录

--module

参数将是该包中有效Python模块的完全限定名。您可以随意组织目录，但为了保持一致性，所有示例都有一个名为

trainer

的Python包，其中要运行的模块名为

task.py

示例的目录结构如下所示：

trainer/
  __init__.py
  task.py

\uuuu init\uuuuu.py

很可能是一个空文件<代码>任务。py包含您的代码。然后，您可以按如下方式提交您的作业：

gcloud beta ml jobs submit training ${JOB_NAME}  \ 
  --package-path=trainer   \
  --module-name=trainer.task   \
  --staging-bucket="${TRAIN_BUCKET}"   \
  --region=us-central1   \
  -- \
  --train_dir="${TRAIN_PATH}/train"

您可以为包和模块选择任何名称，只需确保磁盘上的名称与gcloud参数匹配：顶级目录为

--包路径

，运行代码的文件为

--模块

（不带

.py

后缀）

请注意：

• 请注意额外的“--\”。这表示应将以下所有参数传递给程序。也就是说，-train_dir不是gcloud beta ml jobs提交培训的参数，它将作为一个标志传递给您的程序
• 如果您打算使用train_dir，则需要在代码中添加一些标志解析，例如使用argparse
• 您在云中读取的文件需要在GCS上
• 虽然标记解析为您提供了更大的灵活性，但这不是必需的。您可以对文件名的路径进行硬编码。只需确保它们指向GCS上的对象（然后从gcloud呼叫中删除

  --train_dir

  ）

---

请注意，这与您的问题直接相关，但我发现您已经硬编码了数据集的路径，这些路径是本地目录。在提交到云之前，您需要确保这些指向GCS对象。非常感谢！现在我知道--package path相对于我来说是本地的（在我的机器上是本地的），而不是相对于谷歌云。关于--package path=trainer，我应该如何将路径写入package（trainer文件夹）？我正在使用windows。我试过C:\trainer，“C:\trainer”，但不起作用。它说找不到目录。我一直在使用gcloud shell在线版本。我应该安装云sdk并从我的机器提交作业吗？我这样做了，已经两个小时了，python.exe使用了我100%的磁盘，但仍然没有答案。这正常吗？有人能帮我吗？谢谢。很遗憾，目前不支持Windows。快速入门建议您使用Cloud Shell。你有这种可能性吗？看见