ここでは学習の深さは、あなたが全体のネットワーク構造を保存するためにわずかに異なる、若干異なる学ぶ二つに保存し、負荷モデルAI、機械学習と深さにする方法に訓練されています
モデルのpythonを維持するための方法を使用する1.機械学習はピクルスが付属しています
ピクルスインポート
F =オープン(' saved_model / rfc.pickle '、' WB ' ) 訓練されたモデルパラメータにpickle.dump(RFC、F)#1 (f.close) モデル#load Fを開く(= ' saved_model / RFC .pickle ' ' RB ' ) RFC1 = pickle.load(F) f.close()
sklearnモジュールJOBLIBを使用して機械学習モデルを保存する2。第2の方法
sklearn.externals JOBLIBインポート joblib.dump(RFCを、' saved_model / rfc.pkl ' ) #loadモデル RFC2 = joblib.load(' saved_model / rfc.pkl ')
深学習モデルを維持する3.tensorflow方法
モデル記憶=========== !SAVE_FILE = ' ./model.ckpt ' セイバー = tf.train.Saver() saver.save(sess。viの,! SAVE_FILE) モデルのロード ========= == セーバー = tf.train.Saver() tf.Session()とAS のSES: 重みに#と負荷バイアス #負荷重みおよびバイアス項 saver.restore(SESの、SAVE_FILE)