我有一个包含Keras回归器的scikit-learn管道：

estimators = [    ('standardize', StandardScaler()),    ('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=5, batch_size=1000, verbose=1))    ]pipeline = Pipeline(estimators)

在训练管道后，我尝试使用joblib将其保存到磁盘…

joblib.dump(pipeline, filename , compress=9)

但我遇到了一个错误：

RuntimeError: 超过了最大递归深度

你会如何将管道保存到磁盘？

回答：

我遇到了同样的问题，因为没有直接的方法可以做到这一点。这里有一个对我有用的技巧。我将管道保存到了两个文件中。第一个文件存储了sklearn管道的pickle对象，第二个文件用于存储Keras模型：

...from keras.models import load_modelfrom sklearn.externals import joblib...pipeline = Pipeline([    ('scaler', StandardScaler()),    ('estimator', KerasRegressor(build_model))])pipeline.fit(X_train, y_train)# 首先保存Keras模型:pipeline.named_steps['estimator'].model.save('keras_model.h5')# 这个技巧允许我们保存sklearn管道:pipeline.named_steps['estimator'].model = None# 最后，保存管道:joblib.dump(pipeline, 'sklearn_pipeline.pkl')del pipeline

以下是如何重新加载模型的方法：

# 首先加载管道:pipeline = joblib.load('sklearn_pipeline.pkl')# 然后，加载Keras模型:pipeline.named_steps['estimator'].model = load_model('keras_model.h5')y_pred = pipeline.predict(X_test)