将 H2O 模型导入 Python

Question

我在 H2O 中构建了模型（例如 GLM 模型）现在，我想在 Python 中导入该模型以用于其他应用程序。

我该怎么做？

Answer 1

试试这个：

# build the model
model = H2ODeepLearningEstimator(params)
model.train(params)

# save the model
model_path = h2o.save_model(model=model, path="/tmp/mymodel", force=True)

print(model_path)
/tmp/mymodel/DeepLearning_model_python_1441838096933

# load the model
saved_model = h2o.load_model(model_path)

Answer 2

您需要将模型导出为 MOJO 或 POJO（如果您的算法支持，则首选 MOJO）。 这是一个 Java 对象，因此您需要使用 Java 来运行它。 如何做到这一点有很多选择：

http://docs.h2o.ai/h2o/latest-stable/h2o-docs/productionizing.html

（顺便说一句，R API 最近添加了 h2o.predict_json() 它将参数转换为 JSON 并为您调用 Java；Python API 中似乎还没有任何内容，但是如果您阅读R 代码，您会看到它没有做任何复杂的事情：只是运行一个 shell 命令。）

另一种选择是坚持运行 H2O 服务器，并从 Python 中使用它。 在这种情况下，您只想保存模型（二进制格式），然后在每次要进行预测时将其加载（回到 H2O 集群中）： http : //docs.h2o.ai/h2o/最新稳定/h2o-docs/save-and-load-model.html

这种方法的缺点是二进制格式总是与 H2O 版本相关联。 因此，如果您升级 H2O，您将无法再使用您保存的模型。

Answer 3

较新版本的 H2O 能够通过 python API 导入 MOJO：

# re-import saved MOJO
imported_model = h2o.import_mojo(path)

new_observations = h2o.import_file(path='new_observations.csv')
predictions = imported_model.predict(new_observations)

注意：MOJO 不能在旧的 H2O 版本中重新导入 python，它缺少h2o.import_mojo()函数。

所以h2o.save_model()似乎失去了它的作用——我们可以只使用my_model.save_mojo() （注意它不是一个h2o方法，而是模型对象的一个​​属性），因为这些文件不仅可以用于 Java 应用程序部署，但也在 python 中（实际上他们仍然在内部使用 python-Java 桥）。