我认为这是不可能的,至少是直接的。我虽然有一个解决方法,但是它可能没有您想要的效率高。
通过使用Google Cloud
Storage客户端库[1],您可以先下载模型文件并加载它,然后在程序结束时将其删除。当然,这意味着您每次运行代码时都需要下载文件。这是一个片段:
from google.cloud import storagefrom sklearn.externals import joblibstorage_client = storage.Client()bucket_name=<bucket name>model_bucket='model.joblib'model_local='local.joblib'bucket = storage_client.get_bucket(bucket_name)#select bucket fileblob = bucket.blob(model_bucket)#download that file and name it 'local.joblib'blob.download_to_filename(model_local)#load that file from local filejob=joblib.load(model_local)
欢迎分享,转载请注明来源:内存溢出
评论列表(0条)