[英]faster way to use the scikit-learn trained model
我已經使用scikit-learn訓練了預測模型,並使用pickle
將其保存到硬盤中。 pickle
文件為58M,相當大。
為了使用該模型,我編寫了如下代碼:
def loadModel(pkl_fn):
with open(pkl_fn, 'r') as f:
return pickle.load(f)
if __name__ == "__main__":
import sys
feature_vals = read_features(sys.argv[1])
model = loadModel("./model.pkl")
# predict
# model.predict(feature_vals)
我想知道在命令行中多次運行該程序時的效率。
泡菜文件應該可以快速加載,但是有什么方法可以加快速度嗎? 我可以將整個內容編譯為二進制可執行文件嗎?
如果您擔心加載時間,可以使用joblib.dump
和joblib.load
,對於scikit-learn joblib.load
,它們比pickle效率更高。
有關完整(非常簡單)的示例,請參閱文檔或ogrisel的相關答案: 在scikit-learn中將分類器保存到磁盤
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.