Question

在Google cloud ml上使用Keras：

从培训中保存模型：

model.save（ 'model.h5'）

if cfg.cloud:
    # Copy model.h5 over to Google Cloud Storage
    with file_io.FileIO('model.h5', mode='rb') as input_f:
        with file_io.FileIO(data_folder + 'model.h5', mode='wb+') as output_f:
            output_f.write(input_f.read())

注意：不保存到job_folder，我需要稍后阅读，不想跟踪最新的工作（即使这是保持模型分开的好方法）。

现在我想从下一次运行中读到：

f = file_io.FileIO(model_file, mode='rb')
model = load_model(f)
model.load_weights(f)

在我的提交中，'model_file'作为输入，指向

--model-file gs://$BUCKET_NAME/resources/model.h5

抱怨google cloud ml职位：

TypeError: expected str, bytes or os.PathLike object, not FileIO

我尝试了很多东西，但我的基本问题是：从gcp存储桶中编写，特别是读取模型的最佳做法是什么？

Answer 1

最后，我使用此处的解决方案：

loading saved keras model from gs to pydatalab

谢谢TíarnánMcGrath（我没有足够的积分来做加1）

从Google cloud ml bucket

1 个答案: