机器学习-模型保存和加载
作者:互联网
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