如何将自定义Python wheel包与tensorflow-cloud搭配使用？

方法1：利用默认目录打包规则（最简便） #

tensorflow-cloud 执行run方法时，会默认将入口脚本所在目录的所有未被忽略规则排除的文件，全部打进上传到GCP的tar包中，不需要额外配置传参：

• 将你构建好的自定义wheel包放到tfc.run调用脚本的同级目录，或者同级的子目录中
• 检查目录下的.gcloudignore文件，确保没有配置.whl后缀的忽略规则，若有则删除对应规则
• 在requirements.txt中添加wheel包的相对路径引用即可，示例：

# requirements.txt 新增行示例，根据你的wheel包名称和存放路径调整
./my_self_dev_pkg-1.0.0-py3-none-any.whl

方法2：自定义Dockerfile（适合复杂依赖场景） #

如果你的自定义依赖较多，或者有额外的环境配置需求，可以直接指定自定义Dockerfile替代tensorflow-cloud自动生成的镜像构建规则：

1. 在项目根目录编写Dockerfile，参考示例：

# 基于你原来使用的基础镜像
FROM tensorflow/tensorflow:2.7.0-gpu
WORKDIR /app
# 复制自定义wheel包并安装
COPY my_self_dev_pkg-1.0.0-py3-none-any.whl /tmp/
RUN pip install --no-cache-dir /tmp/my_self_dev_pkg-1.0.0-py3-none-any.whl
# 安装其余依赖
COPY requirements.txt .
RUN pip install --no-cache-dir -r requirements.txt

2. 修改tfc.run的docker_config配置，指定自定义Dockerfile路径即可：

import tensorflow_cloud as tfc

res = tfc.run(
    requirements_txt="requirements.txt", 
    chief_config=tfc.MachineConfig(
        cpu_cores=8,
        memory=30,
        accelerator_type=tfc.AcceleratorType.NVIDIA_TESLA_T4,
        accelerator_count=2,
   ),
   docker_config=tfc.DockerConfig(
       image_build_bucket=GCP_BUCKET, 
       dockerfile_path="./Dockerfile" # 替换为你的Dockerfile实际路径
   ),
)

内容的提问来源于stack exchange，提问作者Stiefel