我只是试图通过joblib
(os.path.exists(self._classifier_xgboost_path)
按预期返回True
)来读取XGBoost
模型:
self._xgboost_model = joblib.load(self._classifier_xgboost_path)
但是,我得到以下错误:
File "/home/iai/Desktop/barak_8/main.py", line 150, in <module>
main()
File "/home/iai/Desktop/barak_8/main.py", line 32, in main
classifier = Classifier(config=config)
File "/home/iai/Desktop/barak_8/classifiers.py", line 56, in __init__
if os.path.exists(self._classifier_xgboost_path) \
File "/home/iai/Desktop/barak_8/venv/lib/python3.6/site-packages/joblib/numpy_pickle.py", line 585, in load
obj = _unpickle(fobj, filename, mmap_mode)
File "/home/iai/Desktop/barak_8/venv/lib/python3.6/site-packages/joblib/numpy_pickle.py", line 504, in _unpickle
obj = unpickler.load()
File "/usr/lib/python3.6/pickle.py", line 1050, in load
dispatch[key[0]](self)
File "/usr/lib/python3.6/pickle.py", line 1323, in load_newobj
obj = cls.__new__(cls, *args)
TypeError: NoneType.__new__(X): X is not a type object (NoneType)
版本:
Python 3.6
xgboost 1.3.1
joblib 1.0.0
这很可能是由于缺少xgboost模型的某些依赖导入造成的。 今天早些时候我遇到了这个问题,在我的例子中,它是由环境中缺少导入引起的。 我的环境中缺少了
scikit-learn
事实上,我最近也遇到了同样的问题,我认为其他人提及对我有效的解决方案可能会有所帮助
简单地说,问题在于执行
joblib.dump
的代码中的scikit-learn
版本高于执行joblib.load
的代码中使用的版本事实上: joblib.dump是用
scikit-learn
=0.24.1
生成的 在另一个存储库中加载joblib.load,该存储库的scikit learn=0.18.2因此,您所需要做的就是使用相同版本的scikit learn(或子句版本,例如me,我只是将0.18.2升级到了0.21.3,它也可以工作)
相关问题 更多 >
编程相关推荐