如何从 Google Cloud Storage 存储桶加载保存在 joblib 文件中的模型

Question

我想加载一个从 Google Cloud Storage 存储桶保存为 joblib 文件的模型。当它在本地路径中时，我们可以按如下方式加载它（考虑到model_file是系统中的完整路径）：

loaded_model = joblib.load(model_file)

我们如何使用 Google Cloud Storage 完成同样的任务？

Answer 1

对于任何在谷歌上搜索这个问题答案的人。 除了显而易见的选择之外，还有两个选择，即使用 Google AI 平台进行模型托管（和在线预测）。

选项 1 是像这样使用 TemporaryFile：

from google.cloud import storage
from sklearn.externals import joblib
from tempfile import TemporaryFile

storage_client = storage.Client()
bucket_name=<bucket name>
model_bucket='model.joblib'

bucket = storage_client.get_bucket(bucket_name)
#select bucket file
blob = bucket.blob(model_bucket)
with TemporaryFile() as temp_file:
    #download blob into temp file
    blob.download_to_file(temp_file)
    temp_file.seek(0)
    #load into joblib
    model=joblib.load(temp_file)
#use the model
model.predict(...)

选项 2 是像这样使用 BytesIO：

from google.cloud import storage
from sklearn.externals import joblib
from io import BytesIO

storage_client = storage.Client()
bucket_name=<bucket name>
model_bucket='model.joblib'

bucket = storage_client.get_bucket(bucket_name)
#select bucket file
blob = bucket.blob(model_bucket)
#download blob into an in-memory file object
model_file = BytesIO()
blob.download_to_file(model_file)
#load into joblib
model=joblib.load(model_file)

Answer 2

截至 2020 年使用 tf2 的替代答案，您可以这样做：

import joblib
import tensorflow as tf

gcs_path = 'gs://yourpathtofile'

loaded_model = joblib.load(tf.io.gfile.GFile(gcs_path, 'rb'))

Answer 3

我发现使用

gcsfs

是最快（也是最紧凑）的使用方法：

def load_joblib(bucket_name, file_name):
    fs = gcsfs.GCSFileSystem()
    with fs.open(f'{bucket_name}/{file_name}') as f:
        return joblib.load(f)

Answer 4

这是我迄今为止找到的最短路线：

from google.cloud import storage

client = storage.Client()
bucket = client.get_bucket("my-gcs-bucket")
blob = bucket.blob("model.joblib")
with blob.open(mode="rb") as file:
    model = joblib.load(file)

Answer 5

我认为这是不可能的，至少是直接的。我考虑过一种解决方法，但可能没有你想要的那么有效。

通过使用 Google Cloud Storage 客户端库 [1]，您可以先下载模型文件，加载它，然后在程序结束时删除它。当然，这意味着您每次运行代码时都需要下载该文件。这是一个片段：

from google.cloud import storage
from sklearn.externals import joblib

storage_client = storage.Client()
bucket_name=<bucket name>
model_bucket='model.joblib'
model_local='local.joblib'

bucket = storage_client.get_bucket(bucket_name)
#select bucket file
blob = bucket.blob(model_bucket)
#download that file and name it 'local.joblib'
blob.download_to_filename(model_local)
#load that file from local file
job=joblib.load(model_local)

Answer 6

对于那些在谷歌上搜索这个问题的人 - 这是另一个选择。 开源模型存储库是一个包装器，用于处理从 Google Cloud Storage 保存、上传和下载模型的过程。

在底层，它使用 joblib 保存 scikit-learn 模型，使用文件创建 tar 存档，并使用

blob.upload_from_file()

和

blob.download_to_filename()

从 Google Cloud Storage 存储桶上传/下载它们。

在实践中，它看起来有点像这样（完整的例子在这里）：

# Create  modelstore instance
from modelstore import ModelStore

ModelStore.from_gcloud(
   os.environ["GCP_PROJECT_ID"], # Your GCP project ID
   os.environ["GCP_BUCKET_NAME"], # Your Cloud Storage bucket name
)

# Train and upload a model (this currently works with 9 different ML frameworks)
model = train() # Replace with your code to train a model
meta_data = modelstore.sklearn.upload("my-model-domain", model=model)

# ... and later when you want to download it
model_path = modelstore.download(
  local_path="/path/to/a/directory",
  domain="my-model-domain",
  model_id=meta_data["model"]["model_id"],
)

完整文档在这里。