Python 基于pickle的 保存和加载训练后的模型

• pickle允许我们将Python保存为硬盘驱动器上的二进制文件。在pickle我们的对象后，可以结束我们的Python 对话 并在之后将对象在加载到Python中
• pickle文件可以备份到云盘或者移动盘里或者拿来想给谁给谁
• 警告！
• 不要加载你不信任额pickle，防止他人向你的电脑注入危险的数据或者夺取你的密码
• Pickle的协议特定于Python，因此没有跨语言兼容性

保存和加载一个scikit-learn模型

• scikit指的是 scipy-toolkits---->science python toolkits 科学Python工具包
• 我们以一个随机森林模型为例 

• 加载库和数据 

from sklearn.ensemble import RandomForestClassifier
from sklearn import datasets
from sklearn.externals import joblib

iris = datasets.load_iris()
features = iris.data
target = iris.target

• 警告
  • 对于0.22版本之后的sklearn，他已经删除了joblib,你需要从pip安装并import  
•  创建分类树

classifer = RandomForestClassifier()
model = classifer.fit(features,target)

• 保存

joblib.dump(model,"model.pkl")

•  重新导入模型

classifier = joblib.load("model.pkl")

• 评估观察数据

new_observations = [[2.2,2.2,1.1,2.2]]
>>> classifer.predict(new_observations)
array([0])

---

---

• 在模型保存的时候最好加上模型所使用的scikit-learn版本

scikit_version = joblib.__version__
joblib.dump(model,"model_{version}.pkl".format(version=scikit_version))

• 返回

['model_1.1.0.pkl']

pickle的用法

pickle接口

操作	串行化	反串行化
转换+文件操作	dump()	load()
转换	dumps()	loads()

• 警告
• loads() 和 dumps()处理的是字节流,并不是所有的字节流都可以被解析的

pickle的保存与读取

# -*- coding:utf8 -*-
import pickle

obj = 'write file using binary system'
print(obj)
#wb 写-二进制
f = open("./a.txt",'wb')
pickle.dump(obj,f)
f.close()

#rb 读-二进制
f = open("./a.txt",'rb')
print(pickle.load(f))
f.close()

输出

write file using binary system
write file using binary system

a.txt中的内容

• 显然是有些不太方便你阅读
• 但是你又肯定能看出来的

€?       ?write file using binary system?

pkl文件

• 常用于保存神经网络模型的数据
• 博主现在很少用上这玩意