【深度学习训练模型保存与加载】

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

前言

在训练过程中，很多情况需要进行训练模型的保存与加载，以便在后期直接使用训练模型进行数据的预测。本文主要介绍训练模型如何进行保存与加载。

---

一、如何进行训练模型的保存与加载

主要使用sklearn.externals.joblib的dump和load方法进行模型的保存与加载

---

二、使用步骤

1.引入库

代码如下（示例）：

from sklearn.linear_model import LinearRegression,SGDRegressor,Ridge,RidgeCV
from sklearn.datasets import load_boston
from sklearn.model_selection import train_test_split
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import mean_squared_error
import pandas as pd
from sklearn.externals import joblib

2.加载、标准化数据

代码如下（示例）：

 # 1、获取数据
    boston = load_boston()
    #2、数据基本处理
    x_train,x_test,y_train,y_test = train_test_split(boston.data,boston.target,test_size=0.2)
    tranfer = StandardScaler()
    x_train = tranfer.fit_transform(x_train)
    x_test = tranfer.fit_transform(x_test)

3.训练模型、保存模型

代码如下（示例）：

#机器学习 线性回归
    estimator = Ridge()
    estimator.fit(x_train,y_train)
    joblib.dump(estimator,'./data/test.pkl')

4.加载模型

代码如下（示例）：

estimator = joblib.load('./data/test.pkl')

---

总结

主要使用sklearn.externals.joblib的dump和load方法进行模型的保存与加载

---