无法在ML Engine部署scikit-learn模型，求非TensorFlow解决方案

我之前也碰到过一模一样的问题——AI Platform（原ML Engine）默认会把未指定框架的模型当成TensorFlow模型来处理，所以才会要求找.pb/.pbtxt文件。其实不用切换到TensorFlow，只要正确配置部署参数或者用自定义预测器就能解决，下面给你两种可行的方案：

方案一：使用预构建的scikit-learn容器（推荐，无需额外代码） #

AI Platform提供了针对scikit-learn的预构建运行时容器，你只需要在创建版本时明确指定框架类型、对应的运行时版本和Python版本即可：

1. 确保你的model.joblib已经上传到Cloud Storage的某个目录下，比如gs://your-bucket/model_files/（注意路径要指向包含模型文件的目录，不是单个文件）
2. 执行以下命令创建版本（替换成你的模型名、版本号、GCS路径和匹配的版本信息）：

gcloud ai-platform versions create v1 \
  --model=your-model-name \
  --origin=gs://your-bucket/model_files/ \
  --runtime-version=2.11 \
  --framework=scikit-learn \
  --python-version=3.9

注意：要保证runtime-version和python-version与你训练模型时的环境兼容，比如runtime 2.11对应scikit-learn 1.2.2、Python 3.9；如果你的模型用了更老的scikit-learn版本，需要选择对应的runtime版本。

方案二：自定义预测器（适合需要预处理/后处理或特殊依赖的场景） #

如果你的模型需要自定义的输入预处理、输出后处理，或者依赖一些特殊的Python库，就需要创建自定义预测器：

1. 编写predictor.py文件，定义加载模型和预测的逻辑：

import joblib
import os

class Predictor:
    def __init__(self, model):
        self.model = model

    @classmethod
    def from_path(cls, model_dir):
        # 加载joblib格式的模型
        model_path = os.path.join(model_dir, 'model.joblib')
        model = joblib.load(model_path)
        return cls(model)

    def predict(self, instances, **kwargs):
        # 这里可以添加自定义预处理逻辑，比如转换输入格式
        predictions = self.model.predict(instances)
        # 也可以添加后处理，比如格式化输出
        return predictions.tolist()

2. 编写setup.py文件，声明模型依赖（版本要和训练时一致）：

from setuptools import setup

setup(
    name='sklearn-custom-predictor',
    version='0.1',
    packages=[''],
    install_requires=[
        'scikit-learn==1.2.2',
        'joblib==1.2.0'
    ]
)

3. 将predictor.py、setup.py和model.joblib一起上传到Cloud Storage的同一个目录，比如gs://your-bucket/custom_model/

4. 创建版本时指定自定义预测器的配置：

gcloud ai-platform versions create v1 \
  --model=your-model-name \
  --origin=gs://your-bucket/custom_model/ \
  --runtime-version=2.11 \
  --python-version=3.9 \
  --package-uris=gs://your-bucket/custom_model/ \
  --prediction-class=predictor.Predictor

常见排查点 #

• 确认GCS路径正确：--origin指向的是包含模型文件的目录，不是单个文件的路径
• 版本兼容性：运行时版本、Python版本和scikit-learn版本必须匹配，避免出现依赖冲突
• 权限问题：确保AI Platform服务账号有访问该GCS bucket的权限

内容的提问来源于stack exchange，提问作者David