Rasa支持 S3 , GCS and Azure Storage存储你的模型。
- Amazon S3 Storage
boto3模块支持使用S3,你可以使用命令pip install boto3安装boto3。
启动Rasa服务时把remote-storage设置为aws。获取S3的证书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bucket,Rasa将创建它。
- Google Cloud Storage
GCS的使用支持google-cloud-storage包,你可以使用命令pip install google-cloud-storage进行安装。
启动Rasa服务时把remote-storage设置为gcs。
在google app engine和compute engine上运行时,验证凭据就已经被设置了。要在本地或其他地方运行,请签出其client repo以获取有关设置身份验证的详细信息。它包括从google云控制台创建服务帐户密钥文件,并将环境变量GOOGLE_APPLICATION_CREDENTIALS设置为该密钥文件的路径。
- Azure Storage
Azure的使用支持azure-storage-blob包,你可以使用命令pip install azure-storage-blob对其进行安装。
启动Rasa服务时把remote-storage设置为azure。
下面的环境变量必须要设置:
- AZURE_CONTAINER
- AZURE_ACCOUNT_NAME
- AZURE_ACCOUNT_KEY
如果没有名为AZURE_CONTAINER的容器,Rasa将创建它。
模型保存在云端之前是进行gzip压缩的。gzip文件命名规范是{MODEL_NAME}.tar.gz并且它被存储在存储服务器的根目录中。目前,你无法手动指定云存储上的路径。
如果存储新的模型,Rasa会将其压缩并上传到容器里。如果从云存储中检索/下载模型,Rasa会把gzip压缩模型下载到本地并解压到临时目录。