我有一个带有 kerasRegressor 的 scikit-learn 管道:
estimators = [
('standardize', StandardScaler()),
('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=5, batch_size=1000, verbose=1))
]
pipeline = Pipeline(estimators)
训练管道后，我尝试使用 joblib 保存到磁盘...
joblib.dump(pipeline, filename , compress=9)
但是我得到一个错误:
RuntimeError: maximum recursion depth exceeded
如何将管道保存到磁盘？
最佳答案
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黑客。我将管道保存到两个文件中。第一个文件存储了 sklearn 管道的 pickled 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)
关于python - 如何将带有 keras 回归器的 scikit-learn 管道保存到磁盘？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37984304/