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)

 

おすすめ

転載: www.cnblogs.com/xinyumuhe/p/12599522.html
おすすめ