求助：使用Scikit-learn模型创建AI Platform版本时加载失败

我之前也碰到过一模一样的情况，结合你的描述（模型大小合规但加载报错），可以从这几个方向排查和解决：

1. 优先检查scikit-learn版本兼容性 #

这是最常见的触发原因——AI Platform预测环境使用的scikit-learn版本，和你本地训练模型时的版本不匹配。比如你用0.24.2训练模型，但AI Platform默认runtime用的是更旧的0.22.2，就会导致模型加载失败。

• 解决步骤：
  • 先查本地训练时的版本：pip show scikit-learn
  • 创建模型版本时指定对应兼容的runtime版本，比如你用的是scikit-learn 0.24.2，就搭配runtime-version 2.5（不同runtime对应固定的框架版本，只要保证两者匹配即可）
  • 命令示例：

    gcloud ai-platform versions create YOUR_VERSION_NAME \
      --model YOUR_MODEL_NAME \
      --origin gs://YOUR_BUCKET_PATH/TO/MODEL_FOLDER/ \
      --runtime-version 2.5 \
      --framework scikit-learn \
      --python-version 3.7
    

2. 确认模型存储路径结构是否正确 #

AI Platform要求模型文件必须直接放在你指定的GCS origin路径下，不能嵌套子文件夹。比如你的模型存在gs://my-bucket/rf-model/model.joblib，那么创建版本时的--origin必须是gs://my-bucket/rf-model/，而不是指向具体的model.joblib文件。
从报错路径/tmp/model/a0001/model.joblib来看，AI Platform在临时目录的子文件夹里找模型，大概率是你的origin路径设置有误，导致它没正确提取到模型文件。

3. 验证模型本身是否完好 #

先把GCS里的model.joblib下载到本地，用和训练时一模一样的scikit-learn版本尝试加载并测试：

from joblib import load
import numpy as np

# 加载模型
model = load('model.joblib')
# 用样本数据测试预测
test_sample = np.array([[1.2, 3.4, 5.6, 7.8]])
model.predict(test_sample)

如果本地加载失败，说明模型在保存过程中损坏了，需要重新训练并保存；如果本地完全正常，那问题肯定出在AI Platform的环境配置上。

4. 检查模型保存方式是否合规 #

确保你用的是scikit-learn原生的joblib保存方式，不要混合使用pickle，也不要在模型中包含自定义未序列化的组件（比如自定义预处理函数）：

from sklearn.ensemble import RandomForestClassifier
from joblib import dump

# 训练模型
rf_model = RandomForestClassifier(n_estimators=100)
rf_model.fit(X_train, y_train)

# 正确保存方式
dump(rf_model, 'model.joblib')

如果模型里有自定义组件，需要把这些组件的代码打包成可导入的模块，确保AI Platform环境能正确加载。

内容的提问来源于stack exchange，提问作者Ajay Deshpande