机器学习-模型保存和加载

下面介绍训练好的AI模型如何保存和加载，分为机器学习和深度学习两种略微有所区别，因为深度学习要保存整个网络结构，所以略微不同

1.机器学习模型保存方式一使用python自带的pickle

import pickle

f = open('saved_model/rfc.pickle','wb')
pickle.dump(rfc,f) #参数1为训练好的模型
f.close()
#load model
f = open('saved_model/rfc.pickle','rb')
rfc1 = pickle.load(f)
f.close()

 

2.机器学习模型保存方式二使用sklearn中的模块joblib

from sklearn.externals import joblib

joblib.dump(rfc, 'saved_model/rfc.pkl')
#load model
rfc2 = joblib.load('saved_model/rfc.pkl')

 

3.tensorflow中深度学习模型保存方式

模型保存===========

save_file = './model.ckpt'

saver = tf.train.Saver()

saver.save(sess, save_file)


模型加载===========

saver = tf.train.Saver()

with tf.Session() as sess:
    # Load the weights and bias
    # 加载权重和偏置项
    saver.restore(sess, save_file)

 

标签：load,机器,模型,rfc,model,pickle,saver,加载
来源： https://www.cnblogs.com/xinyumuhe/p/12599522.html