Python 缓存模型时MXNet预测不起作用

我在MyModel类中有一个MXNet多层接收器。 我首先从文件中加载经过训练的权重。 我使用MLP执行预测，如下所示：

class MyModel:
    ...
    def predict(self, X):
         data_iterator = mx.io.NDArrayIter(data=X, 
         batch_size=self.model.data_shapes[0].shape[0], shuffle=False)
         predictions_npa = self.model.predict(data_iterator ).asnumpy()

其中X是一个numpy数组（1777）

现在，我第一次执行MyModel.predict，它非常有效。 然后，我将MyModel实例存储在functools.LRUCache中，并尝试使用完全相同的输入执行第二次预测

每次这样做时，我的python进程都会停止做任何事情，没有日志，没有操作，也不会退出。我只知道，当我试图在PyCharm调试器中检查self.model.predict（数据迭代器）的结果时，我得到了一个加载错误

所以我对那里发生的事情有点困惑，如果有人有想法的话，这会是一个很大的帮助

---

谢谢

这可能是因为您必须重新创建

数据\u迭代器

data\u iterator

一旦完成就会被检查，下一个调用将引发错误。

是的，我忘记提了，但是data\u iterator是在我的类的predict方法中创建的（我编辑了问题），所以每次调用MyClass.predict，正在重新创建迭代器。如何使用functools.lru\u缓存？您是将

@lru\u缓存（maxsize=…）

装饰器放在预测方法之前，还是放在模型之前？另外，如果您在一个程序中进行两个调用，一个没有lru_缓存，一个有lru_缓存，或者您只运行两个不同的程序，我也不太明白。我会：cacher=cachetools.LRUCache（maxsize=20），我执行一个MyModel.predict，然后像这样存储MyModel实例：cacher['model']=my_实例。然后我做：model=cacher['model']和model.predict