Python 从字符串或缓冲区加载LightGBM模型

我想从字符串或缓冲区而不是磁盘上的文件加载LightGBM模型

似乎有一种方法叫做

model\u from\u string

，但是。。。它产生了一个错误，这似乎违背了我所理解的方法的目的

import boto3
import lightgbm as lgb
import io

model_path = 'some/path/here'
s3_bucket = boto3.resource('s3').Bucket('some-bucket')

obj = s3_bucket.Object(model_path)
buf = io.BytesIO()
try:
    obj.download_fileobj(buf)
except Exception as e:
    raise e
else:
    model = lgb.Booster().model_from_string(buf.read().decode("UTF-8"))

这将产生以下错误

TypeError: Need at least one training dataset or model file to create booster instance

或者，我认为我可以使用常规加载方法

lgb.Booster(model_file=buf.read().decode("UTF-8"))

。。。但这也不起作用

FileNotFoundError: [Errno 2] No such file or directory: ''

现在，我意识到我可以通过将缓冲区写入磁盘，然后读取它来创建一个解决方案。然而，这感觉非常多余和低效

---

因此，我的问题是，如何在不指向磁盘上的实际文件的情况下实例化用于预测的模型？

似乎有一个未记录的参数

model\u str

，可用于初始化

lgb.Booster

对象

model = lgb.Booster({'model_str': buf.read().decode("UTF-8")})

资料来源：

Nikita Titov aka在GitHub的功劳