无法在Google Cloud Datalab中安装软件包
Google Cloud Datalab是一个基于云计算的交互式开发环境，用于数据科学和机器学习任务。它提供了一个集成的Jupyter笔记本界面，可以在云端进行数据分析、可视化和模型训练等工作。
然而，由于Google Cloud Datalab是一个托管的云服务，用户无法直接在其中安装软件包。这是因为Google Cloud Datalab的设计目标是提供一个安全且可控的环境，以防止用户在共享资源上执行可能会影响其他用户的操作。
尽管无法在Google Cloud Datalab中安装软件包，但Google Cloud提供了其他解决方案来满足用户的需求。以下是一些替代方法：
- 使用预装的软件包：Google Cloud Datalab已经预装了许多常用的数据科学和机器学习软件包，如NumPy、Pandas、TensorFlow等。用户可以直接使用这些软件包进行数据分析和模型训练。
- 使用自定义容器：用户可以创建自己的Docker容器，并在其中安装所需的软件包。然后，可以将这个自定义容器部署到Google Kubernetes Engine（GKE）上，并在Google Cloud Datalab中使用GKE集群进行工作。
- 使用其他Google Cloud产品：Google Cloud提供了许多其他产品和服务，可以满足用户的特定需求。例如，用户可以使用Google Cloud AI Platform来进行机器学习任务，使用Google BigQuery进行大数据分析，使用Google Cloud Storage进行数据存储等。
总结起来，尽管无法在Google Cloud Datalab中直接安装软件包，但用户可以利用Google Cloud的其他产品和服务来满足其数据科学和机器学习的需求。
相关·内容
我正在对Google Analytics和其他来源的数据进行一些机器学习和数据分析。
我可以看到，只要在Pandas中使用vanilla Jupyter笔记本电脑，我仍然可以连接到BigQuery。普通的Jupyter有一个优点，它可以在没有Docker的情况下运行，而且还有Python3。
因此，我想知道除了SQL语法突出显示之外，在本地使用Cloud Datalab执行此操作是否有任何好处？简而言之，Cloud Datalab的所有优势是否仅与云计算相关，或者对于本地部署，它是否也带来了任何优于Jupyter的优势？
谢谢!
浏览 1提问于2017-05-05得票数 3
1回答
我正在研究如何在安卓应用程序上结合使用TensorFlow和Google Cloud ML。我已经从这篇文章中找到了这个，而且我在谷歌上已经找到了什么，我总是必须部署一个经过训练的模型(即Tensorflow Graph?)第一?没有办法使用Google Cloud ML在这个云中发送数据值和训练TensorFlow模型吗？
因此，唯一的方法是:部署一个模型，将数据值发送到google云并接收预测？
谢谢
浏览 1提问于2016-12-17得票数 0
我正在Google平台上使用Datalab，并且试图用google.datalab.bigquery创建一个BigQuery数据集，这时我发现我需要只在google.cloud.bigquery库中的.Client方法。
bigquery库的datalab版本和云版本有什么不同？
datalab是云库的精简版本，还是有不同的用途？
浏览 0提问于2018-06-24得票数 3
回答已采纳
2回答
我正在使用谷歌的人工智能平台训练机器学习模型使用自定义码头形象。为了不修改地运行现有代码，我想在容器中挂载一个GCS桶。
我认为实现这一目标的一种方法是将gcloud安装到身份验证中，并将gcsfuse安装到容器中。我的Dockerfile如下所示：
FROM nvidia/cuda:10.1-cudnn7-runtime-ubuntu18.04
WORKDIR /root
# Install system packages.
RUN apt-get update
RUN apt-get install -y curl
# ...
# Install gcsfuse.
RUN echo
浏览 2提问于2019-10-21得票数 9
回答已采纳
1回答
我刚接触过Datalab，我们的数据科学家小组要求我们每个人都有5个单独的VM，另一个VM用于培训，任何一个都可以访问。我搜索了很多，在google的文档中写着：
“Cloud实例是单用户环境，因此团队的每个成员都需要自己的实例。”
那么，我的问题是，有一个培训Datalab机器的最佳实践是什么，以及我如何让多个用户访问它？
浏览 4提问于2017-12-06得票数 1
3回答
我有两个GKE集群，包括私有和公共集群，并且使用cloudproxy作为gke应用程序访问cloudsql实例的侧容器。
用于开发/测试的公共集群设置
云SQL是通过私有和公共IP启用的。GKE应用程序使用的是cloudproxy，默认选项是ip类型(公共的、私有的)，因为Cloud没有任何授权的网络。
在这种情况下，我的应用程序能够连接CloudSQL并顺利工作。据我所知，在这里，到cloudsql的连接应该是私有的，因为没有经过授权的网络配置。
用于生产的专用集群设置
云SQL是通过私有和公共IP启用的。GKE应用程序使用具有默认ip类型选项的cloudproxy (公共的、私有的)
部署
浏览 0提问于2019-04-01得票数 1
回答已采纳
3回答
我是Google Cloud平台的新手，在DataLab的Jupyter notebook上上传了一些机器学习代码。
我的问题是，虽然我安装了Google Cloud Storage (使用命令：pip install --upgrade google-cloud-storage)，但我无法导入它。
下面是我导入这个包的方法：
>>import numpy
>>import pandas as pd
>>from google.cloud import storage
但是我得到了以下错误：
()中的 ImportErrorTraceback
浏览 64提问于2018-08-30得票数 4
我在玩kubernetes和google容器引擎(GKE)。
我从这个映像部署了一个容器
这是我的复制控制器：
{
"apiVersion": "v1",
"kind": "ReplicationController",
"metadata": {
"name": "datalab-notebook"
},
"spec": {
"replicas": 1,
"selector": {
浏览 8提问于2016-02-04得票数 5
回答已采纳
1回答
我需要使用基于张量流的神经元网络体系结构(PointNet )来执行一些机器学习任务。我想使用云基础设施来实现这一点，因为我没有所需的物理资源。客户的要求是，他们希望得到整个设置的机器，我用于培训后，而不仅仅是最终的模式。这是因为他们是研究人员，他们想自己使用机器，四处游玩，了解我做了什么，但他们不想自己做安装/安装工作。不幸的是，他们现在无法自己提供(物理或虚拟)机器。
问题是:在像google云或AWS这样的云基础设施提供商上安装一台机器，安装所需的软件(使用Nvidia Cuda)并在一段时间后导出这台机器，当有合适的硬件可用时，将其导入虚拟化工具(如Virtual )并在自己的系统上继
浏览 1提问于2021-06-21得票数 0
回答已采纳
我有一个机器学习笔记本，我想上传到Datalab，这样我就可以更快地训练我的模型。我的训练数据并不大，并且位于谷歌云存储存储桶中，可供Datalab访问。我的模型训练成本很高，所以我想使用云计算资源。似乎如果我可以将我的笔记本放入Datalab，我就可以从GCS存储桶位置读取数据，而不是从本地存储中读取数据，这样我就可以进行快速模型训练了！
在Datalab界面上有一个'Upload‘按钮，当我点击它时，它什么也不做。
非常感谢您的指导！
浏览 13提问于2017-08-03得票数 1
是否可以使用安装在常规google cloud vm实例中的jupyter集中的包，而不是运行容器的datalab实例？如果是这样，那么我无法弄清楚如何正确设置凭据来访问google云服务。
我已经按照上的说明安装了datalab并启用了jupyter扩展。一切似乎都很顺利，但我无法连接到任何谷歌云服务，例如bigquery。
from google.datalab import Context
context = Context.default()
context.set_project_id('<the-proj-id>')
context._is_signe
浏览 1提问于2017-11-21得票数 1
我最近创建了一个谷歌云账号，这个账号从.com.au电子邮件地址迁移到了.com电子邮件地址。现在，当我登录到Google Cloud控制台时，我正确地看到了我的.com帐户和我在IAM中的权限是所有者，但是，此迁移似乎没有传播到我的Google Cloud shell和预先存在的Datalab实例。
当我尝试这样做的时候：
datalab connect test1 --no-user-checking
我让云外壳连接并声明我可以：
select *Change port > Port 8081*, and start using Datalab
然而，当我转到端口8081
浏览 0提问于2018-08-27得票数 0
1回答
我在谷歌云上的VM上工作，用于我的机器学习工作。
为了避免每次我在GCP或其他地方创建新的VM时从头开始安装所有的库和模块，我想保存我在Google Cloud上创建的VM，并将其另存为GitHub上的停靠镜像。因此，下一次，我只需要加载它并将其作为docker映像运行，就可以让我的VM准备工作了。
这是一项简单的任务吗？你有什么建议吗？
浏览 16提问于2019-08-01得票数 1
我有一个简单的应用程序(基于python和flask的REST apis )，它可以在Google kubernetes engine (GKE)上很好地工作。我的CI/CD设置创建一个docker镜像，将其推送到Google cloud registry (GCR)，然后将其部署到GKE。一切都运行得很好。现在，我添加了一个数据库。它将托管在Google cloud SQL上。为了从kubernetes访问数据库，我使用google cloud sql proxy (作为辅助工具)和google推荐的工作负载标识。
我的问题是，在配置云sql proxy之后，我得到了这个错误：
ImageP
浏览 3提问于2020-09-08得票数 1
1回答
因此，我能够从java项目连接到GKE集群，并使用以下代码运行作业：
我所需要的只是配置我的机器的本地kubectl来指向GKE集群。
现在，我想问一下，是否有可能从Google函数触发GKE集群中的作业，这意味着使用相同的库，但使用的是无服务器环境。我尝试过运行它，但很明显kubectl没有安装在运行云功能的机器上。我已经看到类似的东西使用AWS中的lambda函数工作，它使用在ECS集群中运行作业。我们基本上是在尝试从GCP迁移到GCP，所以我们愿意接受任何关于从GCP中托管的代码触发集群中的作业的建议，以防云功能做不到。
浏览 1提问于2022-08-26得票数 0
回答已采纳
我试图找出什么时候创建自己的Kubeflow MLOps平台是合理的：
如果你是Tensorflow专卖店，你还需要Kubeflow吗？为什么不只是TFX？编曲可以用气流来完成。为什么要使用Kubeflow，如果您使用的都是scikit-学习，因为它不支持GPU，分布式训练方式？如果您确信要使用Kubeflow，云提供商(Azure和GCP)将提供ML管道概念(谷歌在幕后使用Kubeflow )作为托管服务。当部署自己的Kubeflow环境是有意义的时候？即使您需要部署on，也可以选择使用云资源(云上的节点和数据)来训练模型，并且只将模型部署到on。因此，使用Azure或GCP AI平台作为托
浏览 4提问于2020-03-21得票数 10
回答已采纳
我正在复习谷歌云Coursera课程中的这些示例，尽管它们直到几周前还有效，但我不能再在Datalab上安装tf.transform或apache_beam。
在安装tensorflow_transform时，我得到以下错误：
%bash
pip install --upgrade --force tensorflow_transform==0.6.0
twisted 18.7.0需要未安装的PyHamcrest>=1.9.0。datalab 1.1.3有six==1.10.0需求，但是你有6个1.11.0是不兼容的。gapic-google-cloud-pubsub-v1 0.1
浏览 23提问于2018-08-29得票数 0
2回答
我正在GCP内部运行Django应用程序。我的想法是从"view.py“调用python脚本，用于某些机器学习算法，然后在页面上显示结果。
但现在我明白了，运行像Scikit这样的机器学习库，在GAE上学习是不可能的(请阅读TimS答案，和)。
但是假设我还需要这样做，我相信有两种可能的方法，但我不确定我的猜测是否正确，
1)由于Google-Datalab提供了整个类似于anaconda的发行版，如果我们有可以从Django应用程序中的python文件中调用的datalab ，那么我可以实现我的目标吗？
2)如果我可以在GCP上的任何计算引擎上安装，scikit学习库，并以某种方式将
浏览 1提问于2016-07-18得票数 0
我在python中有一个经过训练的机器学习模型来获得一个回归输出，这个模型是用scikit- learning训练的。
我想将这个预测插入到防火墙中，我将使用云函数来完成它，每天使用云调度程序来调度它。
我的问题是我要把这个受过训练的机器学习模型藏在哪里？
我能把它存储到google存储中并在云函数中调用它来获得预测吗？
还是我应该把它存储在人工智能平台上？
如果答案是进入人工智能平台，为什么？如果我把它存储到AI平台上，我有什么优势？我能用那里的新数据训练模型吗？
我一直在读到，这是可能的，但我不知道为什么更好，如何更好
浏览 3提问于2019-10-28得票数 0
回答已采纳
我正在尝试通过Google App Engine使用Google Cloud Storage，目前正在查看“”文档页面。它引用了“App Engine Flexible Environment中Python的”项目。我已经从Github中提取了“python-docs-samples/appengine/flexible/storage”，并遵循了快速入门中列出的有关virtualenv的说明。
当我运行python main.py时，结果是和错误：
File "main.py", line 27, in <module>
CLOUD_STORAGE_BUC
浏览 2提问于2017-04-24得票数 1
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
