Python 如何将pickeled ML模型从GCS加载到Dataflow/apachebeam

我在本地开发了一个ApacheBeam管道，在这里我对一个示例文件运行预测

在本地计算机上，我可以按如下方式加载模型：

with open('gs://newbucket322/my_dumped_classifier.pkl', 'rb') as fid:
     gnb_loaded = cPickle.load(fid)

但在谷歌数据流上运行时，这显然不起作用。我试着改变到GS://的路径，但这显然也不起作用

我还尝试了以下代码段（用于加载文件：

class ReadGcsBlobs(beam.DoFn):
    def process(self, element, *args, **kwargs):
        from apache_beam.io.gcp import gcsio
        gcs = gcsio.GcsIO()
        yield (element, gcs.open(element).read())

model = (p
     | "Initialize" >> beam.Create(["gs://bucket/file.pkl"])
     | "Read blobs" >> beam.ParDo(ReadGcsBlobs())
    )

但是，当想要加载我的模型时，这不起作用，或者至少我不能使用这个模型变量来调用predict方法

---

这应该是一个非常简单的任务，但我似乎找不到一个简单的答案。

您可以定义一个ParDo，如下所示

class PerdictOutcome(beam.DoFn):
    """ Format the input to the desired shape"""

    def __init__(self, project=None, bucket_name=None, model_path=None, destination_name=None):
        self._model = None
        self._project = project
        self._bucket_name = bucket_name
        self._model_path = model_path
        self._destination_name = destination_name

    def download_blob(bucket_name=None, source_blob_name=None, project=None, destination_file_name=None):
        """Downloads a blob from the bucket."""
        destination_file_name = source_blob_name
        storage_client = storage.Client(<gs://path">)
        bucket = storage_client.get_bucket(bucket_name)
        blob = bucket.blob(source_blob_name)

        blob.download_to_filename(destination_file_name)
    # Load once or very few times
    def setup(self):
        logging.info(
            "Model Initialization {}".format(self._model_path))
        download_blob(bucket_name=self._bucket_name, source_blob_name=self._model_path,
                      project=self._project, destination_file_name=self._destination_name)
        # unpickle model model
        self._model = pickle.load(open(self._destination_name, 'rb'))

    def process(self, element):
        element["prediction"] = self._model.predict(element["data"])
        return [element]

---

你能用ReadGcsBlobs的函数定义更新你的问题吗？很抱歉，现在已经添加了定义。嗨，我无法让这段代码正常工作。首先，没有self.download\u blob，下载\u blob是不能调用的，其次，下载\u blob函数没有那么多参数。我不太理解代码，目标在哪里_name get defined？我已经更新了答案。我没有执行特定的代码来检查语法，但这应该会让您了解如何运行在GCS中经过pickle处理并存储的模型。如果您觉得这很有用，请接受答案。@JayadeepJayaraman我有与此非常相似的代码，但出于某种原因，它似乎运行了工作机空间和工作空间不足。我给了虚拟机1000GB，型号大约50MB。知道为什么吗？

    model = (p
         | "Read Files" >> TextIO...
         | "Run Predictions" >> beam.ParDo(PredictSklearn(project=known_args.bucket_project_id, bucket_name=known_args.bucket_name, model_path=known_args.model_path, destination_name=known_args.destination_name)
      )