Python 如何将内置keras Regressionor的scikit learn pipline保存到磁盘？

我有一个scikit学习管线，里面有KerasRegressionor：

estimators = [
    ('standardize', StandardScaler()),
    ('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=5, batch_size=1000, verbose=1))
    ]
pipeline = Pipeline(estimators)

在训练管道之后，我尝试使用joblib保存到磁盘

joblib.dump(pipeline, filename , compress=9)

但我得到了一个错误：

运行时错误：超过最大递归深度

---

如何将管道保存到磁盘？

我遇到了同样的问题，因为没有直接的方法可以做到这一点。这是一个对我有用的技巧。我将管道保存到两个文件中。第一个文件存储sklearn管道的pickle对象，第二个文件用于存储Keras模型：

...
from keras.models import load_model
from sklearn.externals import joblib

...

pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('estimator', KerasRegressor(build_model))
])

pipeline.fit(X_train, y_train)

# Save the Keras model first:
pipeline.named_steps['estimator'].model.save('keras_model.h5')

# This hack allows us to save the sklearn pipeline:
pipeline.named_steps['estimator'].model = None

# Finally, save the pipeline:
joblib.dump(pipeline, 'sklearn_pipeline.pkl')

del pipeline

下面是如何加载模型：

# Load the pipeline first:
pipeline = joblib.load('sklearn_pipeline.pkl')

# Then, load the Keras model:
pipeline.named_steps['estimator'].model = load_model('keras_model.h5')

y_pred = pipeline.predict(X_test)

---

Keras与现成的pickle不兼容。如果愿意，您可以修复它

您还可以使用SciKeras库，该库为您提供此功能，是

KerasClassifier

的替代品：

---

披露：我是《SciKeras》和《PR》的作者。

你可以看看迪尔。也许你应该简单地增加最大递归深度的值就行了：我用KerasClassifier尝试了这种方法，结果出现错误：“KerasClassifier”对象没有属性“save”。您确定您没有实际执行pipeline.named_steps['estimator'].model.model.save（'keras_model.h5'）？然而，在本例中，似乎必须再次将KerasClassifier对象环绕加载的模型。是的，我绝对肯定。再次检查一下，它的工作方式很有魅力：）（python 3.5.2、keras 2.0.8、sklearn 0.19.1）非常感谢。工作得很有魅力！这很简单，但没人能理解。只需将管道的步骤（Keras步骤除外）保存为pickle/joblib，并将Keras保存为model.save。回答得很好。这真是天赐良机。非常感谢你！！