首页
学习
活动
专区
圈层
工具
发布
社区首页 >问答首页 >用自定义训练容器和模型服务容器构造顶点AI管道

问用自定义训练容器和模型服务容器构造顶点AI管道
EN

Stack Overflow用户
提问于 2022-04-15 14:28:20
回答 1查看 615关注 0票数 3

我希望能够用我制作的训练应用程序容器来训练模型,并将其保存到我的工件注册表中。我希望能够使用一个烧瓶应用程序和一个能够处理某些逻辑的/predict路由来部署一个模型--而不一定只是预测一个输入json。它还需要一条我理解的/healthz路线。基本上,我想要一条管道,在我制作的模型训练容器上执行一项训练任务,然后用一个烧瓶应用程序来部署模型,并使用我制作的模型服务容器。看看溢出,我想知道this问题的管道是否有我最终想要的正确布局。所以,就像这样:

代码语言:javascript
复制
import kfp
from kfp.v2 import compiler
from kfp.v2.dsl import component
from kfp.v2.google import experimental
from google.cloud import aiplatform
from google_cloud_pipeline_components import aiplatform as gcc_aip

@kfp.dsl.pipeline(name=pipeline_name, pipeline_root=pipeline_root_path)
def pipeline():
        training_job_run_op = gcc_aip.CustomPythonPackageTrainingJobRunOp(
            project=project_id,
            display_name=training_job_name,
            model_display_name=model_display_name,
            python_package_gcs_uri=python_package_gcs_uri,
            python_module=python_module,
            container_uri=container_uri,
            staging_bucket=staging_bucket,
            model_serving_container_image_uri=model_serving_container_image_uri)

        # Upload model
        model_upload_op = gcc_aip.ModelUploadOp(
            project=project_id,
            display_name=model_display_name,
            artifact_uri=output_dir,
            serving_container_image_uri=model_serving_container_image_uri,
        )
        model_upload_op.after(training_job_run_op)

        # Deploy model
        model_deploy_op = gcc_aip.ModelDeployOp(
            project=project_id,
            model=model_upload_op.outputs["model"],
            endpoint=aiplatform.Endpoint(
                endpoint_name='0000000000').resource_name,
            deployed_model_display_name=model_display_name,
            machine_type="n1-standard-2",
            traffic_percentage=100)

    compiler.Compiler().compile(pipeline_func=pipeline,
                                package_path=pipeline_spec_path)

我希望model_serving_container_image_uri和serving_container_image_uri都引用我将要创建的模型服务容器的URI。我已经制作了一个训练容器,用来训练模型并将saved_model.pb保存到Google。除了拥有一个处理预测和健康检查路线的烧瓶应用程序和一个公开烧瓶应用程序端口的Dockerfile之外,我还需要做什么来确保为容器服务的模型在这个管道中工作呢?在代码中,我应该从GCS中安装模型吗?在码头文件里?为集装箱提供服务的模型是如何工作的,以便在管道建设过程中一切顺利进行?我很难找到任何关于我在任何地方所要做的事情的教程或例子,即使这似乎是一个非常常见的场景。

为此,我尝试使用以下管道:

代码语言:javascript
复制
import kfp
from kfp.v2 import compiler
from kfp.v2.dsl import component
from kfp.v2.google import experimental
from google.cloud import aiplatform
from google_cloud_pipeline_components import aiplatform as gcc_aip

@kfp.dsl.pipeline(name=pipeline_name, pipeline_root=pipeline_root_path)
def pipeline(
        project: str = [redacted project ID],
        display_name: str = "custom-pipe",
        model_display_name: str = "test_model",
        training_container_uri: str = "us-central1-docker.pkg.dev/[redacted project ID]/custom-training-test",
        model_serving_container_image_uri: str = "us-central1-docker.pkg.dev/[redacted project ID]/custom-model-serving-test",
        model_serving_container_predict_route: str = "/predict",
        model_serving_container_health_route: str = "/healthz",
        model_serving_container_ports: str = "8080"
):
        training_job_run_op = gcc_aip.CustomContainerTrainingJobRunOp(
            display_name = display_name,
            container_uri=training_container_uri,
            model_serving_container_image_uri=model_serving_container_image_uri,
            model_serving_container_predict_route = model_serving_container_predict_route,
            model_serving_container_health_route = model_serving_container_health_route,
            model_serving_container_ports = model_serving_container_ports)

        # Upload model
        model_upload_op = gcc_aip.ModelUploadOp(
            project=project,
            display_name=model_display_name,
            serving_container_image_uri=model_serving_container_image_uri,
        )
        model_upload_op.after(training_job_run_op)

        # Deploy model
#        model_deploy_op = gcc_aip.ModelDeployOp(
#            project=project,
#            model=model_upload_op.outputs["model"],
#            endpoint=aiplatform.Endpoint(
#                endpoint_name='0000000000').resource_name,
#            deployed_model_display_name=model_display_name,
#            machine_type="n1-standard-2",
#            traffic_percentage=100)

正在失败的

代码语言:javascript
复制
google.api_core.exceptions.PermissionDenied: 403 Permission 'aiplatform.trainingPipelines.create' denied on resource '//aiplatform.googleapis.com/projects/u15c36a5b7a72fabfp-tp/locations/us-central1' (or it may not exist).

尽管我的服务帐户拥有Viewer和Kubernetes引擎管理角色,但它需要工作AI平台管道。我的培训容器将我的模型上传到Google,而我的模型服务容器,我已经下载并使用它在/predict服务。

EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/71885282

复制
相关文章

相似问题

领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档