Python 特定负荷训练模型
目前,我正在使用加载以前训练过的模型Python 特定负荷训练模型,python,tensorflow,machine-learning,Python,Tensorflow,Machine Learning,目前,我正在使用加载以前训练过的模型 with tf.Session() as sess: saver.restore(sess, tf.train.latest_checkpoint('./')) 加载保存模型时创建的文件“检查点”中记录的文件。但是,文件“checkpoint”总是指最后训练的模型,因此如果我想加载另一个模型,我必须手动编辑“checkpoint”文件以更改模型名称 我的问题是,如何在不手动编辑“检查点”文件的情况下恢复与上次创建的模型不同的经过培训的模型?您可以使
with tf.Session() as sess:
saver.restore(sess, tf.train.latest_checkpoint('./'))
加载保存模型时创建的文件“检查点”中记录的文件。但是,文件“checkpoint”总是指最后训练的模型,因此如果我想加载另一个模型,我必须手动编辑“checkpoint”文件以更改模型名称
我的问题是,如何在不手动编辑“检查点”文件的情况下恢复与上次创建的模型不同的经过培训的模型?您可以使用jsonpickle保存变量和模型,然后加载它们。 例如:
sklearn_model = RandomForestClassifier()
sklearn_model.fit(x,y)
model_object = jsonpickle.pickler.Pickler.flatten(sklearn_model)
model = jsonpickle.unpickler.Unpickler.restore(model_object)
model.predict(new_x)
您现在所需要的只是随时保存模型,并根据需要加载它。model_对象是可以保存到文件中的JSON代码。您可以阅读有关该软件包的更多信息您可以使用jsonpickle保存变量和模型,然后再加载它们。 例如:
sklearn_model = RandomForestClassifier()
sklearn_model.fit(x,y)
model_object = jsonpickle.pickler.Pickler.flatten(sklearn_model)
model = jsonpickle.unpickler.Unpickler.restore(model_object)
model.predict(new_x)
您现在所需要的只是随时保存模型,并根据需要加载它。model_对象是可以保存到文件中的JSON代码。您可以阅读更多关于该软件包的信息Hi@Roee,您能告诉我如何保存此模型对象以供以后预测使用吗?@Amarpreitgh请看这里Hi@Roee,您能告诉我如何保存此模型对象以供以后预测使用吗?@Amarpreitgh请看这里