pickle - 保存 Theano 模型不适用于 MLP 网络

Question

我正在尝试保 stub 据 http://deeplearning.net/tutorial/code/mlp.py 使用 Theano 构建的多层感知器网络训练期间获得的模型使用 Logistic 回归器中显示的代码 http://deeplearning.net/tutorial/code/logistic_sgd.py ，特别是

# save the best model
with open('best_model.pkl', 'w') as f:
cPickle.dump(classifier, f)

但我得到的是

... loading data ... building the model ... training epoch 1, minibatch 74/74, validation error 38.333333 % epoch 1, minibatch 74/74, test error of best model 41.666667 % Traceback (most recent call last): File "mlp.py", line 423, in test_mlp() File "mlp.py", line 406, in test_mlp cPickle.dump(classifier, f, protocol=cPickle.HIGHEST_PROTOCOL) cPickle.PicklingError: Can't pickle : attribute lookup builtin.instancemethod failed

由于我在卷积网络中也遇到了这个问题，所以我的问题是:有一种通用方法可以在 Theano 中存储模型，以便重用于预测吗？

编辑 正如我现在使用的评论中所建议的

cPickle.dump((classifier.hiddenLayer.params,classifier.logRegressionLayer.params), f)

用于保存和

classifier.hiddenLayer.W = cPickle.load(open('best_model_mlp.pkl'))[0][0]

用于设置分类器中隐藏层的权重(例如)定义为

x = T.matrix('x')
classifier = MLP(
    rng=rng,
    input=x,
    n_in = 28*28,
    n_hidden= 500,
    n_out=10
)

但是当我调用这个函数时

predict_model = theano.function(
    inputs=[classifier.input],
    outputs=classifier.logRegressionLayer.y_pred,
    )

即使使用训练有素的网络，我也始终将 [0] 作为预测。 我在设置或保存参数时仍然做错了？

Answer 1

我今天也遇到了同样的问题。我不知道为什么这适用于 'logistic_sgd.py' 而不适用于 'mlp.py' 但你可以做的就是存储 'classifier.params'

完成训练后，

'classifier.params' 是您唯一需要的元素。从这些参数预测您的类应该不会太难(这已经在您的代码中)。