持久化机器学习

我有一个关于机器学习的非常基础的问题。我一直在学习各种机器学习教程和在线课程,了解如何使用各种技术,但没有看到关于如何持久化应用的部分。

例如,我训练了一个网络来识别花园侏儒的图像,但在运行训练集并用测试数据验证后,我该如何保存这个网络,以便将来可以输入一张图片,让它告诉我这张图片是否是花园侏儒?每个教程似乎都只让你运行训练/验证集,却没有提到如何以有意义的方式托管网络以供将来使用。

谢谢!


回答:

一旦模型/网络通过测试/开发集训练和验证后,最佳实践是“冻结”其状态,并用于预测。

为了将网络或模型集成到应用程序中,应该保持模型的状态并存储它,通常是通过序列化、标记并保存到有状态的存储(数据库或本地磁盘)中来存储模型的。

Python提供了多种序列化方法和库,包括内置的pickle。作为额外参考,这里有一篇关于pickle的简短文章

Related Posts

使用LSTM在Python中预测未来值

这段代码可以预测指定股票的当前日期之前的值,但不能预测…

如何在gensim的word2vec模型中查找双词组的相似性

我有一个word2vec模型,假设我使用的是googl…

dask_xgboost.predict 可以工作但无法显示 – 数据必须是一维的

我试图使用 XGBoost 创建模型。 看起来我成功地…

ML Tuning – Cross Validation in Spark

我在https://spark.apache.org/…

如何在React JS中使用fetch从REST API获取预测

我正在开发一个应用程序,其中Flask REST AP…

如何分析ML.NET中多类分类预测得分数组?

我在ML.NET中创建了一个多类分类项目。该项目可以对…

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注