Я публикую этот ответ со всей информацией, которой я поделился в разделе комментариев.
В соответствии с документацией для загрузки приложения рекомендуется использовать пакет gcloud . В этой ссылке вы можете найти больше информации об определении переменных среды вашей системы, а также о передаче вашей учебной работы.
Что касается вашего комментария о Cloud FUSE , это адаптер с открытым исходным кодом, который позволяет монтировать Bucket Cloud Buckets в качестве файловой системы на Linux или MacOS . Следовательно, приложения могут взаимодействовать со смонтированной корзиной, как в простой файловой системе, обеспечивая практически неограниченное хранилище при работе в облаке. Тем не менее, в вашем случае это не рекомендуется, потому что он имеет гораздо большую задержку, чем локальная файловая система. По этой причине также не рекомендуется запускать базу данных на Cloud Storage FUSE , подробнее о ее ограничениях можно прочитать здесь .
Поскольку вы сообщили, что ваша проблема со временем обучения. Я бы порекомендовал вам использовать пользовательский уровень для обучения вашей модели, увеличивая количество работников. Таким образом, работа будет выполняться быстрее. Кроме того, вы можете использовать предварительно сконфигурированные уровни, описанные в документации .
В качестве дополнительной информации, когда ваша модель обучается, рассмотрите возможность использования Онлайн-прогнозов сверх Пакетные прогнозы . Онлайн-прогнозы оптимизированы для минимизации задержки результатов, даже если вы передаете данные в модель ML, размещенную в облаке, в обоих случаях. Кроме того, согласно документации прогнозирование партии может занять несколько минут, в то время как прогнозирование в режиме онлайн может возвращать результаты практически мгновенно.