无法在ai-platform自定义预测中使用configparser。

Question

我正在寻找一种方法来使用 configparser 在我的预测程序代码中，我尝试了以下的代码片段

普通.cfg

[MODEL]
VERSION=config-true

setup.py

from setuptools import setup

REQUIRED_PACKAGES = [
    'joblib==0.13.0'
]

setup(
    name='test',
    description='Custom prediction routine',
    version=0.1,
    install_requires=REQUIRED_PACKAGES,
    scripts=['src/predictor.py', 'config/common.cfg']
)

预测器.py

import os
import joblib
import subprocess
import configparser

class CustomPredictor(object):
    def __init__(self, model, config):
        self._model = model
        self._config = config

    def predict(self, instances, **kwargs):
        version_value = self._config.get('MODEL', 'VERSION', fallback='config-false')
        print(f'version value = {version_value}', flush=True) # printing config-false

        preprocessed_input = self._preprocess(instances)

        score = self._model.predict(preprocessed_input)

        print(f'predicted score {score}', flush=True)
        return score.to_list()

    @classmethod
    def from_path(cls, model_dir):
        config = configparser.RawConfigParser()
        result = config.read('config/common.cfg')
        print(f'read config result: {result}', flush=True) # empty
        print(f'config sections: {config.sections()}', flush=True) # empty

        subprocess.run(["ls", "-l"]) # don't see the config file or folder

        model_path = os.path.join(model_dir, "model.joblib")
        model = joblib.load(model_path)

        return cls(model, config)

有什么建议可以告诉我，我做错了什么或者遗漏了什么？

Answer 1

我运行了这段代码，它打印出了预期的结果。

config = configparser.RawConfigParser()
result = config.read('common.cfg')
print(f'read config result: {result}', flush=True) # empty
print(f'config sections: {config.sections()}', flush=True) # empty

输出是

read config result: ['common.cfg']
config sections: ['MODEL']

所以可能的错误是你的common.cfg文件的路径。

当我复制你的代码并运行它时，它的输出显示为空列表，因为文件在同一个目录下，而不是在config目录下，但只要我纠正路径，它就会打印出预期的结果。

Answer 2

你有2个选项。

1. 配置 setup.py 并加 configparser 在那里。

REQUIRED_PACKAGES = [
    'joblib==0.13.0',
    'configparser'
]

2. 将配置解析器作为一个包传递给使用 package-uris当你创建模型时。从 虾米 我已经找到了tar.gz文件，请看一下。这个 例如，当我们传递一个PyTorch包时，在你的情况下，从pypi下载文件，并将其放入GCS Bucket中，从那里创建模型时定义它即可。

gcloud beta ai-platform versions create {MODEL_VERSION} --model {MODEL_NAME} \
 --origin=gs://{BUCKET_NAME}/{MODEL_DIR}/ \
 --python-version=3.7 \
 --runtime-version={RUNTIME_VERSION} \
 --package-uris=gs://{BUCKET_NAME}/{PACKAGES_DIR}/text_classification-0.1.tar.gz,
gs://{BUCKET_NAME}/configparser-5.0.0.tar.gz  \
 --machine-type=mls1-c4-m4 \
 --prediction-class=model.CustomModelPrediction

Answer 3

我发现了我的错误，在部署自定义预测程序的时候，ai平台将文件保存在... /tmp/custom_lib/bin/ 并将执行路径保留为根目录。所以，在我的代码中，我把配置路径更新为这样的内容

config_file = pathlib.Path(__file__).parent.absolute() / 'common.cfg'
config.read(config_file)

这就解决了这个问题!

注意：我也相信我们需要将配置文件保存在 脚本 标签，因为当部署逻辑安装包时，setuptools会将脚本复制到ai-platform定义的PATH中，并使其可用。