Gem og genindlæs en trænet pipeline
Bevar modeller med joblib.
Gem og genindlæs en trænet pipeline er en gratis Data Science Academy-lektion på CoddyKit. Dette er lektion 4 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Data Science Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Data Science Academy-kurset indeholder 4 lektioner i alt.
Det er nok at træne én gang
Du har brugt tid på at tilpasse og tune en pipeline. Når du gemmer den, behøver du aldrig træne igen bare for at lave en forudsigelse. 💾
Gem pipelinen med pickle
En tilpasset pipeline er et Python-objekt, så du kan serialisere den til disken og hente den tilbage præcis, som den var.
Derfor vinder joblib
Til scikit-learn-objekter fyldt med NumPy-arrays er joblib hurtigere og fylder mindre end almindelig pickle, så det er standardvalget.
import joblibGem med ét kald
Giv joblib.dump din tilpassede pipeline og et filnavn. Hele kæden fra forberedelse til model ender i én fil.
joblib.dump(pipe, 'model.joblib')Indlæs den igen
Senere kan joblib.load i et hvilket som helst script genskabe den præcise pipeline, klar til at lave forudsigelser uden ny træning.
pipe = joblib.load('model.joblib')Lav forudsigelser med det samme
Det genindlæste objekt husker stadig sin indlærte skalering og sine vægte, så du kan kalde predict på nye data med det samme.
preds = pipe.predict(new_data)Brug de samme versioner
En gemt model kan gå i stykker, hvis den indlæses med en anden biblioteksversion. Notér den scikit-learn-version, du trænede med.
De samme kolonner ind
Nye data skal have de samme kolonner i den samme rækkefølge som under træningen. Pipelinen forventer netop dette skema for at kunne transformere korrekt.
Stol kun på dine egne filer
Indlæsning af en pickle kører kode, så åbn aldrig filer fra kilder, du ikke stoler på. Behandl en modelfil som eksekverbar.
Send den i produktion
Denne ene fil indlæses af din webapp eller batchjob for at levere forudsigelser. Når hele pipelinen gemmes, bliver udrulningen enkel.
Én pakke uden overraskelser
Fordi forberedelsen følger med modellen, transformerer den udrullede pipeline input på samme måde som under træningen. Ingen drift og ingen uoverensstemmelse.
Hurtigt tjek
Hvilket værktøj anbefales til at gemme en tilpasset scikit-learn-pipeline på disken?
Opsummering
Du kan nu gemme en trænet pipeline med joblib og indlæse den hvor som helst for at lave forudsigelser med det samme. Det afslutter arbejdet med pipelines fra start til slut. 🎉
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Gem og genindlæs en trænet pipeline” gratis?
Ja — hele teksten til “Gem og genindlæs en trænet pipeline” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Data Science Academy-kurset, skal du opgradere til CoddyKit PRO. Data Science Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Gem og genindlæs en trænet pipeline”?
Bevar modeller med joblib. Du øver dig i Data Science Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Data Science Academy?
Der kræves ingen tidligere erfaring. Data Science Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 4 af 4.
Hvor lang tid tager lektionen “Gem og genindlæs en trænet pipeline”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Data Science Academy-lektion?
Ja. Alle Data Science Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- Hvorfor pipelines slår manuelle trin
- ColumnTransformer til blandede typer
- Justér med GridSearchCV
- Gem og genindlæs en trænet pipeline