在訓練模型過程中，由於資料集較大，模型訓練迭代次數較多等原因，使得模型訓練較耗時，因此將訓練好的模型進行儲存以便下次直接使用是很有必要，下面介紹兩種模型的儲存和載入方法
1.使用pickle模組
（1）儲存模型
with open（「模型儲存的位置」，「wb」）as f:
pickle.dump(model,f)
或者#儲存模型
s=pickle.dumps(model)
f=open('svm.model','w')
f.write(s)
f.close()
（2）載入模型
#載入模型
model=pickle.load("模型儲存的位置")
或者#載入模型
f2=open('svm.model','r')
s2=f2.read()
model=pickle.loads(s2)
f2.close()
2.使用sklearn.externals的joblib
（1）儲存模型
#儲存模型
joblib.dump(model,"模型儲存的位置")
（2）載入模型
#載入模型
model=joblib.load(「模型儲存的位置」)
模型儲存和載入
當訓練或者計算好乙個模型之後，那麼如果別人需要我們提供結果 就需要儲存模型 主要是儲存演算法的引數 使用線性模型進行 使用正規方程求解 lr linearregression 此時在幹什麼？lr.fit x train,y train 儲存訓練完結束的模型 joblib.dump lr,test.p...
scikit learn儲存和載入模型
import pickle 模型儲存 這裡的model已經是生成好的模型了，注意一定要用 wb 否則會報錯 model.fit train x,train y s pickle.dumps model f open svm.model wb f.write s f.close print done ...
PyTorch儲存和載入模型CUDA
在儲存了使用cuda訓練的模型後，載入時也一定得保持一致，換句話說，在定義網路的時候需要用 net.to device 而且在測試的時候也需要把輸入和標籤統統轉移到cuda上面，即 inputs,labels inputs.to device labels.to device 如果你希望載入使用cu...