首先，您需要在GCS上复制/存储数据（使用
gsutil），并确保您的训练脚本可以访问该存储桶。最简单的方法是将阵列复制到与数据相同的存储桶中，因为您可能已经将该存储桶配置为具有读取访问权限。如果存储桶与您的培训工作在同一项目中，并且您遵循了这些说明（尤其是
gcloud beta ml init-project），则应进行设置。如果数据将在另一个存储桶中，请参阅以下说明。
然后，您需要使用一个能够从GCS加载数据的库。尽管您可以自由使用任何可以从GCS读取的客户端库，但Tensorflow包含一个可以执行此操作的模块。以下是使用TensorFlow的
file_io模块的示例：
from StringIO import StringIOimport tensorflow as tfimport numpy as npfrom tensorflow.python.lib.io import file_io# Create a variable initialized to the value of a serialized numpy arrayf = StringIO(file_io.read_file_to_string('gs://my-bucket/123.npy'))my_variable = tf.Variable(initial_value=np.load(f), name='my_variable')请注意
StringIO，由于
file_io.FileIO未完全实现所需的seek函数，因此必须将文件读取为字符串并使用
numpy.load。
奖励：如果有用，您可以使用该
file_io模块将numpy数组直接存储到GCS ，例如：
np.save(file_io.FileIO('gs://my-bucket/123', 'w'), np.array([[1,2,3], [4,5,6]]))对于Python 3，请使用
from io import StringIO代替
from StringIO import StringIO。
