Python scikit学习：导出经过训练的classifi

Question

我使用的是基于scikit learn的nolearn中的DBN（深度信任网络）。

我已经建立了一个可以很好地对数据进行分类的网络，现在我对导出模型进行部署很感兴趣，但我不知道如何进行（每次我想预测一些东西时，我都在训练DBN）。在matlab中，我只需导出权重矩阵并将其导入另一台计算机。

是否有人知道如何导出要导入的模型/权重矩阵，而无需再次训练整个模型？

Answer 1

首先，安装joblib。

您可以使用：

>>> import joblib
>>> joblib.dump(clf, 'my_model.pkl', compress=9)

然后，在预测服务器上：

>>> import joblib
>>> model_clone = joblib.load('my_model.pkl')

这基本上是一个Python pickle，对大型numpy数组进行了优化处理。它与常规pickle w.r.t.代码更改具有相同的限制：如果pickle对象的类结构更改，则可能无法再使用新版本的no learn或scikit learn解除对象的pickle。

如果您想要长期可靠地存储模型参数，您可能需要编写自己的IO层（例如，使用二进制格式序列化工具，如协议缓冲区或avro，或者使用效率低下但可移植的文本/json/xml表示，如PMML）。