持久的机器学习

作者: Gassyc加西可
发布时间: 2024-11-10 06:08:45 (2天前)
转自：

4 条回复

0#
回复此人
机器设备维修 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 使用python pickle库将训练好的模型转储到硬盘驱动器上并加载模型并进行测试的<strong> 持久的结果 </强> 。 </p> </DIV>

编辑
1#
回复此人
绵绵 | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 这个问题更适合 <a href="https://stats.stackexchange.com/"> 交叉验证 </A> 要么 <a href="https://datascience.stackexchange.com/"> 数据科学 </A> ，但这里的要点是：在你训练了你的网络之后，有一个通常被称为“冻结”的程序，这意味着以“持久”的方式保存你的网络：权重不再改变，以及一些事情发生在培训（例如辍学）被取消。 </p> <P> 您的网络将保存为磁盘上的某个文件，然后您可以使用专用功能重新加载。然后，您可以将新图像传递到冻结网络，就像您在训练时一样（类似于 <code> class=frozen_model(image) </code> ）。 </p> <P> 为了更具体，您应该指定您正在使用的库。 </p> </DIV>

编辑
2#
回复此人
樱花弄๑•ั็•็ | 2019-08-31 10-32

<div class =“post-text”itemprop =“text”> <P> 一旦使用测试/开发集训练和验证模型/网络，最佳做法是“冻结”其状态并将其用于预测。 </p> <P> 要在应用程序中集成网络或模型，应该保持模型的状态并存储它，通常存储模型 <a href="https://en.wikipedia.org/wiki/Serialization" rel="nofollow noreferrer"> 序列化 </A> ，标记它并将其保存到有状态存储（数据库或本地磁盘）。 </p> <P> Python提供了各种序列化方法和库，包括内置的 <a href="https://docs.python.org/3/library/pickle.html" rel="nofollow noreferrer"> 泡菜 </A> 。另外参考，这是一个非常短的部分 <a href="https://medium.com/@omrieival/finalizing-prediction-models-pickling-the-lean-way-fb0a69d78867" rel="nofollow noreferrer"> 酸洗 </A> </p> </DIV>

编辑

登录后才能参与评论