Warning: file_get_contents(/data/phpspider/zhask/data//catemap/9/google-cloud-platform/3.json): failed to open stream: No such file or directory in /data/phpspider/zhask/libs/function.php on line 167

Warning: Invalid argument supplied for foreach() in /data/phpspider/zhask/libs/tag.function.php on line 1116

Notice: Undefined index: in /data/phpspider/zhask/libs/function.php on line 180

Warning: array_chunk() expects parameter 1 to be array, null given in /data/phpspider/zhask/libs/function.php on line 181
Google cloud platform 以编程方式提交gcloud ai平台培训作业(来自python代码)_Google Cloud Platform_Gcloud_Google Cloud Ml - Fatal编程技术网

Google cloud platform 以编程方式提交gcloud ai平台培训作业(来自python代码)

Google cloud platform 以编程方式提交gcloud ai平台培训作业(来自python代码),google-cloud-platform,gcloud,google-cloud-ml,Google Cloud Platform,Gcloud,Google Cloud Ml,要从gcloud ai平台ex gcloud ml引擎提交培训作业,请使用gcloud SDK中的: gcloud ai平台作业提交命令[gcloud\u WIDE\u FLAG…] 我希望以编程的方式完成这项工作,即从python代码或任何其他语言。差不多 import gcloud-ai-platform as gap gap.submit_job(COMMAND) 有这样的命令吗?如果它不存在,我如何构建解决方案?通过编程方式使用gcloud sdk提交培训作业,您可以学习一个示例 它有

要从gcloud ai平台ex gcloud ml引擎提交培训作业,请使用gcloud SDK中的:

gcloud ai平台作业提交命令[gcloud\u WIDE\u FLAG…]

我希望以编程的方式完成这项工作,即从python代码或任何其他语言。差不多

import gcloud-ai-platform as gap
gap.submit_job(COMMAND)

有这样的命令吗?如果它不存在,我如何构建解决方案?通过编程方式使用gcloud sdk提交培训作业,您可以学习一个示例


它有两种方法,使用gcloud和等效的python代码。

对于提交培训作业,您有一个可以遵循的示例


它有两种方法,使用gcloud和等效的python代码。

我发现文档对于自定义图像有点混淆。诀窍是通过masterConfig/imageUri指定-master映像uri:

training_inputs = { 'scaleTier': 'BASIC', 'packageUris': [ ], 'masterConfig': { 'imageUri': settings["AI_SERVER_URI"] }, 'args': [ "java", "-cp", "MY.jar:jars/*", "io.manycore.Test", "jar positional argument" ], 'region': 'us-central1', 'pythonVersion': '3.7', 'scheduling': { 'maxRunningTime': '3600s' }, } job_spec = {'jobId': jobid, 'trainingInput': training_inputs} project_name = settings["PROJECT_ID"] project_id = 'projects/{}'.format(project_name) cloudml = discovery.build('ml', 'v1', credentials=self.credentials) request = cloudml.projects().jobs().create(body=job_spec, parent=project_id)
我发现文档对于自定义图像有点混乱。诀窍是通过masterConfig/imageUri指定-master映像uri:

training_inputs = { 'scaleTier': 'BASIC', 'packageUris': [ ], 'masterConfig': { 'imageUri': settings["AI_SERVER_URI"] }, 'args': [ "java", "-cp", "MY.jar:jars/*", "io.manycore.Test", "jar positional argument" ], 'region': 'us-central1', 'pythonVersion': '3.7', 'scheduling': { 'maxRunningTime': '3600s' }, } job_spec = {'jobId': jobid, 'trainingInput': training_inputs} project_name = settings["PROJECT_ID"] project_id = 'projects/{}'.format(project_name) cloudml = discovery.build('ml', 'v1', credentials=self.credentials) request = cloudml.projects().jobs().create(body=job_spec, parent=project_id)
这里有一个关于如何从python构建一些REST API调用的文档,但我对API不是很熟悉->这里应该是所需的REST API调用,但仍然不确定如何从python调用它。这里有一个关于如何从python构建一些REST API调用的文档,但是我对API不是很熟悉->这里应该是所需的RESTAPI调用,但仍然不确定如何从python调用它