我使用scikit-learn创建了一个SVM分类器；它基本上是读取一个描述，然后根据该描述返回一个类别。
目前，我使用FLASK框架创建了一个API，以便将我的调用发送到一个集中式的Linux服务器。然而，我每次使用它时都需要先pickle然后再unpickle，我希望创建一个持久加载的模型以加快我的分类时间。
- 是否有人能推荐一些资源，或者
- 指导我如何实现这一点？
回答：
import picklemodel = pickle.load(path)def predict(val): return model.predict(val)在函数外部声明文件可以使它们在API运行期间保持在内存中。从你的Flask脚本中调用predict函数。
