Python中训练完成的模型保存和加载方法
5星
- 浏览量: 0
- 大小:None
- 文件类型：None
简介：
本文介绍了如何在Python中使用机器学习框架（如Scikit-learn、TensorFlow及Keras）对已训练的模型进行保存与加载的操作方法。
当我们训练好一个模型model后，如果在其他程序或者下次还想继续使用这个model，就需要把这个模型保存下来，在以后的使用过程中直接导入即可，无需重新进行训练。
一种常见的保存方法是利用joblib模块来实现：
1. 首先安装joblib库：
```
pip install joblib
```
2. 核心代码如下：
为了保存模型，可以使用以下命令：
```python
import joblib
# 保存 model
joblib.dump(regr, ../../model/regr.pkl)
```
要加载已保存的模型，可以采用下面这条语句：
```python
clf = joblib.load(../../model/regr.pkl)
```
3. 完整示例代码如下：
```python
#!/usr/bin/env python
import joblib
# 用于训练后保存模型的部分
joblib.dump(regr, ../../model/regr.pkl)
# 后续加载模型部分
clf = joblib.load(../../model/regr.pkl)
```
以上就是使用Python的JobLib模块来保存和加载机器学习模型的基本步骤。
全部评论 (0)
还没有任何评论哟~
