如何将训练模型移动到生产环境

Question

我已经敲定了一个模型，它在可接受的范围内运行。我正在使用python和scitkit-learn。

接下来是将模型转移到生产环境。

我可以请求帮助将这些模型转移到生产中。如何保存经过训练的模型，以便将其移动到生产环境。

提前感谢您的帮助。

Answer 1

正如评论员建议的那样，您应该使用 pickle .特别是对于 ML，您正在寻找的是模型持久性。通过scikit-learn：

训练 scikit-learn 模型后，最好有一种方法可以持久化模型以供将来使用，而无需重新训练。

还有他们的例子：

>>> from sklearn import svm
>>> from sklearn import datasets
>>> clf = svm.SVC()
>>> iris = datasets.load_iris()
>>> X, y = iris.data, iris.target
>>> clf.fit(X, y)  
SVC(C=1.0, cache_size=200, class_weight=None, coef0=0.0,
    decision_function_shape='ovr', degree=3, gamma='auto', kernel='rbf',
    max_iter=-1, probability=False, random_state=None, shrinking=True,
    tol=0.001, verbose=False)
>>> import pickle
>>> s = pickle.dumps(clf)
>>> clf2 = pickle.loads(s)
>>> clf2.predict(X[0:1])
array([0])
>>> y[0]
0

在scikit的特定情况下，使用joblib的pickle（joblib.dump&joblib.load）的替代品可能更有趣，这对于内部携带大型numpy数组的对象更有效，就像安装scikit-learn估计器一样，但只能腌制到磁盘而不是字符串：

>>> from sklearn.externals import joblib
>>> joblib.dump(clf, 'filename.pkl')