云存储

Rasa支持使用S3,GCS和 Azure Storage https://azure.microsoft.com/services/storage/来保存模型。

Amazon S3 Storage

使用boto3模块支持S3,可以使用pip install boto3安装。

remote-storage选项设置为aws,启动Rasa服务器。获取你的S3凭据并设置以下环境变量: - AWS_SECRET_ACCESS_KEY - AWS_ACCESS_KEY_ID - AWS_DEFAULT_REGION - BUCKET_NAME - AWS_ENDPOINT_URL

如果没有名为BUCKET_NAME的存储桶,则Rasa会创建它。

Google Cloud Storage

使用google-cloud-storage包支持GCS,你可以使用pip install google-cloud-storage进行安装。

remote-storage选项设置为gcs,启动Rasa服务器。

在谷歌应用引擎和计算引擎上运行时,已经设置了身份验证凭据。要在本地或其他地方运行,请查看其客户端仓库以获取有关设置身份验证的详细信息。它涉及从Google云端控制台创建服务帐户密钥文件,并将GOOGLE_APPLICATION_CREDENTIALS环境变量设置为该密钥文件的路径。

Azure Storage

使用azure-storage-blob包支持Azure,你可以使用pip install azure-storage-blob进行安装。

remote-storage选项设置为azure,启动Rasa服务器。

必须设置以下环境变量: - AZURE_CONTAINER - AZURE_ACCOUNT_NAME - AZURE_ACCOUNT_KEY

如果没有名称为AZURE_CONTAINER的容器,Rasa将创建它。

模型在保存到云中之前进行了压缩。压缩文件命名约定为{MODEL_NAME} .tar.gz,它存储在存储服务的根文件夹中。目前,你无法手动指定云存储上的路径。

如果存储已训练的模型,Rasa将压缩新模型并将其上传到容器。如果从云存储中检索/加载模型,Rasa将在本地下载压缩的模型并将内容提取到临时目录中。


Copyright 2017-2019, 磐创AI-深圳市磐创网络科技有限公司, All Rights Reserved.

Documentation built with MkDocs.