pickled-python机器学习模型使用硬编码路径，而不是'；t在其他机器上运行-怎么办？

我使用AutoGluon在计算机上本地创建ML模型。 现在我想通过AWS部署它们，但我意识到在该过程中创建的所有pickle文件都使用硬编码的路径引用来引用其他pickle文件：

/home/myname/Desktop/ETC\u PATH/autoglion/

我使用

cloudpickle.dump（predictor，open（'FINAL_MODEL.pkl'，'wb'））

对最终的集成模型进行pickle处理，但AutoGlion创建了许多单独模型的其他pickle文件，然后将其引用为

/home/myname/Desktop/ETC\u PATH/autoglion/models/

和

/home/myname/Desktop/ETC\u PATH/autoglion/models/specific\u model/

等等

如何实现所有绝对路径都被相对路径替换，如

root/autoglion/which_PATH

，其中root可以设置为任意值，具体取决于模型稍后保存的位置

任何指示都会有帮助

---

编辑：我确信我找到了问题。如果不加载FINAL_MODEL.pkl（这似乎是硬编码路径），而是使用AutoGlion的

predictor=task.load（MODEL_dir）

它应该正确地找到所有依赖项，无论AutoGlion文件夹作为一个整体是否被移动

编辑：这解决了问题：如果我不加载FINAL_MODEL.pkl（似乎是硬编码路径），而是使用AutoGlion的

predictor=task.load（MODEL_dir）

它应该正确地找到所有依赖项，无论AutoGlion文件夹是否整体移动

请将该编辑移到一个答案（如果可行的话）。