如果我已经将模型作为pickle，为什么我需要docker容器中的sklearn？

Question

我pickle了一个模型，只想公开用Flask编写的predictionapi。但是，当我编写一个dockerfile来生成一个没有sklearn的图像时，我得到了一个错误ModuleNotFoundError: No module named 'sklearn.xxxx'，其中xxx引用了sklearn的ML算法类，此时我使用pickle likeclassifier = pickle.load(f)加载模型。在

当我重写dockerfile以生成包含sklearn的图像时，即使在API中Ineverimportsklearn，我也不会得到错误。
我的pickling概念非常简单，它将用它的所有数据序列化分类器类。所以当我们取消拾取它时，因为分类器类已经有了一个predict属性，我们可以直接调用它。为什么环境中需要sklearn？在

Answer 1

pickle只是模型中数据的表示。您仍然需要代码来使用它，这就是为什么您需要在容器中包含sklearn。在

Answer 2

你对pickle的工作原理有误解。在

除了实例状态（默认情况下是__dict__或自定义实现），它不会对任何内容进行seralize。当取消pickle时，它只尝试创建相应类的实例（这里是导入错误）并设置pickled状态。在

这是有原因的：您事先不知道在load之后将使用什么方法，所以您不能pickle实现。除此之外，在pickle时间内，您不能构建一些AST来查看反序列化后需要哪些方法/模块，这主要是因为python的动态特性——您的实现实际上可以根据输入而变化。在

毕竟，即使假设理论上我们有智能的自包含pickle序列化，它也将是实际的model+sklearn在单个文件中，没有适当的方法来管理它。在