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.pkl")
# 通過已有的模型去**房價
model = joblib.load("test.pkl")
print("從檔案載入進來的模型**房價的結果：", std_y.inverse_transform(model.predict(x_test)))
儲存和載入模型
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...
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...