我有一个保存的情感分析模型，还有相关的代码和数据。我试图创建一个包含这些代码功能并使用此训练模型的库。我不明白如何将模型和依赖于它的功能整合进去。

有谁能具体指导我如何做吗？

编辑：我选择了使用pickle的方法（见下面的回答）

回答：

如果你想正确维护这样一个库，你需要了解三件事：

• 如何构建一个包
• 如何版本化一个包
• 如何分发一个包

有几种方法可以做到这一点，目前最用户友好的可能是poetry，所以我将用它作为例子。如果你想用这篇文章作为教程，你需要安装它。

为了有一个非常基本的项目框架来工作，我假设你有类似这样的东西：

modelpersister├───modelpersister│   ├───model.pkl│   ├───__init__.py│   ├───model_definition.py│   ├───train.py│   └───analyze.py└───pyproject.toml

• model.pkl：你将与包一起发布的模型文件
• __init__.py：空的，需要存在以使这个文件夹成为一个Python模块
• model_definition.py：包含定义你模型的类和功能
• train.py：接受数据来训练你的模型，并用结果覆盖当前的model.pkl文件，大致如下：

import picklefrom pathlib import Pathfrom modelpersister.model_definition import SentimentAnalyzer# 给定新数据覆盖当前模型def train(data):    model = SentimentAnalyzer.train(data)    with open(Path(__file__).parent / "model.pkl") as model_file:        pickle.dump(model, model_file)

• analyze.py：接受数据点以根据当前的model.pkl进行分析，大致如下：

import pickleimport importlib.resourcesfrom modelpersister.model_definition import MyModel# 作为包资源加载当前模型（小但重要的细节）with importlib.resources.path("modelpersister", "model.pkl") as model_file:    model: MyModel = pickle.load(model_file)# 在此文件中提供有意义的分析def estimate(data_point):    return model.estimate(data_point)

• pyproject.toml：poetry需要的元数据文件，以便打包此代码，大致如下：

[tool.poetry]name = "modelpersister"version = "0.1.0"description = "发布一个情感分析模型。"authors = ["Mishaal <[email protected]>"]license = "MIT"  # 就许可证而言，这是一个不错的默认选择[tool.poetry.dependencies]python = "^3.8"sklearn = "^0.23"  # 或者你用于模型定义的任何ML库[tool.poetry.dev-dependencies][build-system]requires = ["poetry>=0.12"]build-backend = "poetry.masonry.api"

假设所有这些文件都填充了有意义的代码，并且希望使用比modelpersister更好的项目名称，你的工作流程大致如下：

• 在model_definition.py中更新你的功能，用train.py在更好的数据上训练你的模型，或者在analysis.py中添加新功能，直到你觉得你的模型现在明显比以前更好
• 运行poetry version minor来更新包版本
• 运行poetry build来构建你的代码和模型，生成源代码分发和wheel文件，你可以根据需要进行一些最终测试
• 运行poetry publish来分发你的包 – 默认情况下发布到全球Python包索引，但你也可以设置一个私有的PyPI实例，并告诉poetry使用它，或者手动上传到其他地方