機械学習 - 保存および負荷モデル

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）