Google Cloud ML Engine 将多个文件路径作为参数传递
Google Cloud ML Engine pass multiple file paths as arguments
我正在尝试 运行 Google Cloud ML Engine 上的作业,但似乎无法将多个文件路径作为参数传递给解析器。
这是我在终端中写的内容:
JOB_NAME=my_job_name
BUCKET_NAME=my_bucket_name
OUTPUT_PATH=gs://$BUCKET_NAME/$JOB_NAME
DATA_PATH=gs://$BUCKET_NAME/my_data_directory
REGION=us-east1
gcloud ml-engine jobs submit training $JOB_NAME \
--job-dir $OUTPUT_PATH \
--runtime-version 1.2 \
--module-name trainer.task \
--package-path trainer/ \
--region $REGION \
-- \
--file-path "${DATA_PATH}/*" \
--num-epochs 10
其中 my_data_directory
包含我稍后想阅读的多个文件,问题是 --file-path
仅包含 ['gs://my_bucket_name/my_data_directory']
而不是所述目录中的文件列表。
我该如何解决这个问题?
非常感谢。
由于您在 -- \
行之后传递的参数将是用户参数,程序如何处理这些参数将在很大程度上取决于您定义的训练器。我会回去修改训练程序,让它要么以不同的方式处理目录,要么像这样采用多个路径:
gcloud ml-engine jobs submit training $JOB_NAME \
--job-dir $OUTPUT_PATH \
--runtime-version 1.2 \
--module-name trainer.task \
--package-path trainer/ \
--region $REGION \
--scale-tier STANDARD_1 \
-- \
--train-files $TRAIN_DATA \
--eval-files $EVAL_DATA \
--train-steps 1000 \
--verbosity DEBUG \
--eval-steps 100
我正在尝试 运行 Google Cloud ML Engine 上的作业,但似乎无法将多个文件路径作为参数传递给解析器。 这是我在终端中写的内容:
JOB_NAME=my_job_name
BUCKET_NAME=my_bucket_name
OUTPUT_PATH=gs://$BUCKET_NAME/$JOB_NAME
DATA_PATH=gs://$BUCKET_NAME/my_data_directory
REGION=us-east1
gcloud ml-engine jobs submit training $JOB_NAME \
--job-dir $OUTPUT_PATH \
--runtime-version 1.2 \
--module-name trainer.task \
--package-path trainer/ \
--region $REGION \
-- \
--file-path "${DATA_PATH}/*" \
--num-epochs 10
其中 my_data_directory
包含我稍后想阅读的多个文件,问题是 --file-path
仅包含 ['gs://my_bucket_name/my_data_directory']
而不是所述目录中的文件列表。
我该如何解决这个问题?
非常感谢。
由于您在 -- \
行之后传递的参数将是用户参数,程序如何处理这些参数将在很大程度上取决于您定义的训练器。我会回去修改训练程序,让它要么以不同的方式处理目录,要么像这样采用多个路径:
gcloud ml-engine jobs submit training $JOB_NAME \
--job-dir $OUTPUT_PATH \
--runtime-version 1.2 \
--module-name trainer.task \
--package-path trainer/ \
--region $REGION \
--scale-tier STANDARD_1 \
-- \
--train-files $TRAIN_DATA \
--eval-files $EVAL_DATA \
--train-steps 1000 \
--verbosity DEBUG \
--eval-steps 100