Warning: file_get_contents(/data/phpspider/zhask/data//catemap/2/python/359.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

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
使用客户机库列出数据集的机器学习模型,使用Google Big Query ML Python API_Python_Google Cloud Platform_Google Bigquery - Fatal编程技术网

使用客户机库列出数据集的机器学习模型,使用Google Big Query ML Python API

使用客户机库列出数据集的机器学习模型,使用Google Big Query ML Python API,python,google-cloud-platform,google-bigquery,Python,Google Cloud Platform,Google Bigquery,我正在努力寻找关于如何使用Python包装器列出与BQ中给定数据集相关联的所有机器学习模型的参考资料 client = bigquery.Client(project =project_id) 实例化客户端,但是如何运行简单的 列出模型(dataset=dataset\u id)操作 我可以直接通过RESTAPI来实现这一点 url_bq_ml_list = 'https://bigquery.googleapis.com/bigquery/v2/projects/{}/datasets/{}

我正在努力寻找关于如何使用Python包装器列出与BQ中给定数据集相关联的所有机器学习模型的参考资料

client = bigquery.Client(project =project_id)
实例化客户端,但是如何运行简单的
列出模型(dataset=dataset\u id)
操作

我可以直接通过RESTAPI来实现这一点

url_bq_ml_list = 'https://bigquery.googleapis.com/bigquery/v2/projects/{}/datasets/{}/models'.format(project_id, dataset_id)

但是真的找不到如何使用python客户机做到这一点!谢谢你的帮助

因此,在搜索了相当一段时间后,似乎确实可以通过python客户端完成:

models_available = client.list_models(dataset_id)
其中客户:

client = bigquery.Client(project=project_id)
其中,dataset_id是BQ数据集,project_id是实际GCP项目

希望这能帮助其他尝试使用大查询ML的人