GCP AI平台（统一）Python export_model失败前提条件：400不支持以“”格式导出工件

Question

我正在使用Google Ai平台（统一）Python客户端将训练好的模型导出到Google Cloud存储桶。我遵循示例代码：export_model_sample。

该应用程序目前具有“所有者”凭据，因为我想确保这不是权限问题。但是，当我尝试执行示例代码时，我收到以下错误：

回溯（最近一次调用）：文件 “/usr/local/lib/python3.8/site-packages/google/api_core/grpc_helpers.py”，第 57 行，在error_remapped_callable返回 callable_（*args， **kwargs） 文件 “/usr/local/lib/python3.8/site-packages/grpc/_channel.py”，第 923 行，在调用返回_end_unary_response_blocking（state， call， False， None） 文件 “/usr/local/lib/python3.8/site-packages/grpc/_channel.py”中，第 826 行， 在_end_unary_response_blocking引发_InactiveRpcError（状态）grpc._channel._InactiveRpcError：

上述异常是以下异常的直接原因:

Traceback(最近一次调用last): File "/app/main.py "，第667行，在response = ai platform _ model _ client . export _ model(name = name，output _ config = output _ config)File "/usr/local/lib/python 3.8/site-packages/Google/cloud/ai platform _ v1beta 1/services/model _ service/client . py "，第937行，在export _ model response = RPC(request，retry=retry，timeout=timeout，metadata，)File "/usr/local/lib/

(我省略了项目id和型号id。使用10101和123123)

我已经验证了我的输入，但一切似乎没问题：

gcs_destination_output_uri_prefix = "gs://my-bucket-vcm/model-123123123123123/tflite/2021-01-28T16:00:00.000Z/"
gcs_destination = {"output_uri_prefix": gcs_destination_output_uri_prefix}
output_config = {"artifact_destination": gcs_destination,}
name = "projects/10101010101/locations/us-central1/models/123123123123123"
response = aiplatform_model_client.export_model(name=name, output_config=output_config)
print("Long running operation:", response.operation.name)
export_model_response = response.result(timeout=300)
print("export_model_response:", export_model_response)

我也在使用最新版本的google-Cloud d-ai平台==0.4.0我试图导出的模型类型是：MOBILE_TF_LOW_LATENCY_1

我只想将模型导出到云存储桶。而不是将其部署为服务。

Answer 1

export_model_sample缺少请求字段。您应该在< code>output_config中包含< code >“export _ format _ id”:string 。您可以在《AI Platform Unified REST API Reference》中进一步探索导出endpoint所需的必需< code>output_config字段。

可接受的export_format_id值如下：

< li> tflite用于Android移动设备。 < li> edgetpu-tflite用于edgetpu设备。 < Li > < code > TF-saved-model saved model格式的tensorflow模型。 < Li > < code > TF-js tensor flow . js模型，可在浏览器和Node.js中使用JavaScript。 < li> core-ml用于iOS移动设备。 < li> 自定义训练由自定义代码上载或训练的模型。

代码应该看起来像这样。在这种情况下，我使用tflite作为export_format_id。

from google.cloud import aiplatform

def export_model_sample(
    project: str = "your-project-id",
    model_id: str = "your-model-id",
    gcs_destination_output_uri_prefix: str = "your-bucket-destination",
    location: str = "us-central1",
    api_endpoint: str = "us-central1-aiplatform.googleapis.com",
    timeout: int = 300,
):
    # The AI Platform services require regional API endpoints.
    client_options = {"api_endpoint": api_endpoint}
    # Initialize client that will be used to create and send requests.
    # This client only needs to be created once, and can be reused for multiple requests.
    client = aiplatform.gapic.ModelServiceClient(client_options=client_options)
    output_config = {
        "export_format_id": "tflite",
        "artifact_destination": {"output_uri_prefix": gcs_destination_output_uri_prefix}
    }
    name = client.model_path(project=project, location=location, model=model_id)
    response = client.export_model(name=name, output_config=output_config)
    print("Long running operation:", response.operation.name)
    export_model_response = response.result(timeout=timeout)
    print("export_model_response:", export_model_response)

export_model_sample()

手术完成后，我得到了一个这样命名的模型：

GS://your-bucket-destination/your-model-id/TF lite/2021-01-29t 04:15:51.672336 z/model . TF lite