Airflow 机器学习引擎 Package_URI
Airflow ML Engine Package_URI
程序包 URI 的用途是什么？是强制性的吗？如果是这样，我该如何创建一个？
目前我将我的模型包转换为正确的格式：
model.py
task.py
_init_.py
我假设您在 MLEngineTrainingOperator 中询问 package_uris。
关于它的说明可以在Cloud ML Engine Documentations中找到。
有一点不同的是，与使用 gcloud 时不同，Airflow 集成是强制性的，你需要自己 provide/pakcage 一个包，因为 Airflow 操作员是远程 运行ning 并且它不能从你的本地打包目录。
您可能需要的是 setup.py 基于 setuptools，具有适当的依赖关系。
（顺便说一句，_init_.py 不是有效文件，__init__.py 是。）
当目录准备好后，您可以简单地运行以下命令来上传包。
python setup.py sdist
gsutil cp dist/<tarfile> gs://<your_bucket>/<folder>/
或者，如果您已经有一个使用 gcloud ml-engine jobs submit training 命令上传的包，您只需提供 uri 即可重新使用它。
我能够 manually build the package 并将其放入 Cloud composer 存储桶中。然后我提供了存储桶中文件的路径：
package_uris=["gs://us-central1-ml-engine/trainer-0.1.tar.gz"]
程序包 URI 的用途是什么？是强制性的吗？如果是这样，我该如何创建一个？ 目前我将我的模型包转换为正确的格式：
model.py
task.py
_init_.py
我假设您在 MLEngineTrainingOperator 中询问 package_uris。
关于它的说明可以在Cloud ML Engine Documentations中找到。
有一点不同的是，与使用 gcloud 时不同，Airflow 集成是强制性的，你需要自己 provide/pakcage 一个包，因为 Airflow 操作员是远程 运行ning 并且它不能从你的本地打包目录。
您可能需要的是 setup.py 基于 setuptools，具有适当的依赖关系。
（顺便说一句，_init_.py 不是有效文件，__init__.py 是。）
当目录准备好后，您可以简单地运行以下命令来上传包。
python setup.py sdist
gsutil cp dist/<tarfile> gs://<your_bucket>/<folder>/
或者，如果您已经有一个使用 gcloud ml-engine jobs submit training 命令上传的包，您只需提供 uri 即可重新使用它。
我能够 manually build the package 并将其放入 Cloud composer 存储桶中。然后我提供了存储桶中文件的路径：
package_uris=["gs://us-central1-ml-engine/trainer-0.1.tar.gz"]