无法从 google-colaboratory 打开 google-storage 中的文件
Posted
技术标签:
【中文标题】无法从 google-colaboratory 打开 google-storage 中的文件【英文标题】:Unable to open file in google-storage from google-colaboratory 【发布时间】:2021-04-30 16:08:25 【问题描述】:我正在尝试使用 TPU 引擎打开存储在 google-colab 工作簿中的 google-storage 存储桶中的文件。然而,我总是面临错误:
FileNotFoundError: [Errno 2] No such file or directory: 'gs://vocab_jb/merges.txt'
我的问题很简单:我应该如何让 google-storage 中的存储桶可以从 google-colab 读取?我已经尝试了一切:
-
使用 IAM 公开存储桶
为所有者分配一个特殊的电子邮件地址
通过 LCA 选项公开文件
关注 x 不同 tutorials
我每次都尝试通过“gs://bucket”或“https://...”调用存储桶
但是没有一个选项能正常工作。更让我困惑的是,将存储桶公开的时间有限。我也读过this post,但答案没有帮助。另外,我并不真正关心阅读或写作的权利。
我正在通过以下方式初始化我的 TPU:
import os
use_tpu = True #@param type:"boolean"
bucket = 'vocab_jb'
if use_tpu:
assert 'COLAB_TPU_ADDR' in os.environ, 'Missing TPU; did you request a TPU in Notebook Settings?'
from google.colab import auth
auth.authenticate_user()
%tensorflow_version 2.x
import tensorflow as tf
print("Tensorflow version " + tf.__version__)
try:
tpu = tf.distribute.cluster_resolver.TPUClusterResolver('grpc://' + os.environ['COLAB_TPU_ADDR']) # TPU detection
print('Running on TPU ', tpu.cluster_spec().as_dict()['worker'])
except ValueError:
raise BaseException('ERROR: Not connected to a TPU runtime; please see the previous cell in this notebook for instructions!')
tf.config.experimental_connect_to_cluster(tpu)
tf.tpu.experimental.initialize_tpu_system(tpu)
tpu_strategy = tf.distribute.experimental.TPUStrategy(tpu)
with open("gs://vocab_jb/merges.txt", 'rb') as f:
a = f.read()
FileNotFoundError: [Errno 2] No such file or directory: 'gs://vocab_jb/merges.txt'
【问题讨论】:
如果您在存储桶中使对象公开可读,我看不到您实际下载文件的代码部分。使用任何模块作为请求或 urllib 来实际下载文件(例如检查这个post),只有在文件下载后你才能尝试打开它。此外,我强烈建议您从帖子中删除您的存储桶名称和任何其他 PII,因为这可能会导致隐私问题。 【参考方案1】:您无法通过简单地使用 os 包在 gcs 上打开文件。如果您将 gcs 存储桶安装在文件系统中,您将能够做到这一点,这样文件可能可以通过 FUSE 提供给操作系统。但为了简单起见,您应该导入 gcs 将云存储导入为 gcs 而不是使用 gcs_file = gcs.open(filename)
有关更多示例,请参阅 GCS 的 Google 文档https://cloud.google.com/storage/docs/downloading-objects#code-samples 或应用引擎的示例 https://cloud.google.com/appengine/docs/standard/python/googlecloudstorageclient/read-write-to-cloud-storage
我希望这能解决你的问题。
【讨论】:
【参考方案2】:发现这个article 使用库gcsfs
读取colab 中的云存储桶。我查了GCSFS,这个库处于测试阶段,不是谷歌官方库。
GCFS 是 Google Cloud Storage 的 Python 式文件系统接口。这 软件为测试版,使用风险自负。
请确保首先在 collab 中安装库。
pip install gcsfs
以下是您的代码中的实现:
import os
import gcsfs
import google.auth
from google.colab import auth
auth.authenticate_user()
credentials, project_id = google.auth.default()
fs = gcsfs.GCSFileSystem(project=project_id, token=credentials)
use_tpu = True #@param type:"boolean"
bucket = 'vocab_jb'
if use_tpu:
assert 'COLAB_TPU_ADDR' in os.environ, 'Missing TPU; did you request a TPU in Notebook Settings?'
%tensorflow_version 2.x
import tensorflow as tf
print("Tensorflow version " + tf.__version__)
try:
tpu = tf.distribute.cluster_resolver.TPUClusterResolver('grpc://' + os.environ['COLAB_TPU_ADDR']) # TPU detection
print('Running on TPU ', tpu.cluster_spec().as_dict()['worker'])
except ValueError:
raise BaseException('ERROR: Not connected to a TPU runtime; please see the previous cell in this notebook for instructions!')
tf.config.experimental_connect_to_cluster(tpu)
tf.tpu.experimental.initialize_tpu_system(tpu)
tpu_strategy = tf.distribute.experimental.TPUStrategy(tpu)
reader = fs.open("gs://your-bucket-here/kinglear_on_roids.txt")
for text in reader:
print(text)
这是读取我的示例文件时输出的 sn-p:
【讨论】:
它似乎工作!我永远不会感谢你,我永远不会自己来这个图书馆。也许,如果我可能会问,您如何使用此库将数据保存到文件中?我也想到了这个问题,因为它是我代码的下一步。我知道我的问题超出了范围,如有必要,我会发布另一个问题。但是再次感谢您,这对我很有帮助。以上是关于无法从 google-colaboratory 打开 google-storage 中的文件的主要内容,如果未能解决你的问题,请参考以下文章
从 catch 块打开时无法关闭 jQuery UI 对话框