Sérialiser avec Pickle et Joblib
Enregistrez et chargez les modèles sklearn de manière sûre.
Sérialiser avec Pickle et Joblib est une leçon MLOps Academy gratuite sur CoddyKit. Ceci est la leçon 1 sur 4. Tu peux lire la leçon complète ci-dessous gratuitement — puis la pratiquer en direct dans le navigateur avec un éditeur de code intégré et un tuteur IA 24/7. Elle fait partie du parcours d'apprentissage MLOps Academy, et ta progression se synchronise sur le web et l'application CoddyKit. Le cours MLOps Academy comprend 4 leçons au total.
Pourquoi sérialiser un modèle ?
Un modèle entraîné vit en mémoire et disparaît à la fin de votre script. La sérialisation l’enregistre dans un fichier afin que vous puissiez le charger à nouveau plus tard. 💾
Découvrez Pickle
Le module intégré pickle de Python transforme presque n’importe quel objet en octets que vous pouvez stocker sur disque, puis reconstruire plus tard à l’identique.
Enregistrer un modèle sur disque
Ouvrez un fichier en mode binaire d’écriture et appelez pickle.dump pour y écrire le modèle entraîné.
import pickle
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)Le recharger
Pour restaurer le modèle, ouvrez le fichier en mode binaire de lecture et appelez pickle.load. Vous récupérez le même objet, prêt à effectuer des prédictions.
with open('model.pkl', 'rb') as f:
model = pickle.load(f)Pourquoi Joblib existe
Scikit-learn stocke de grands tableaux NumPy dans les modèles. joblib enregistre ces tableaux bien plus efficacement que pickle seul. 🚀
Enregistrer avec Joblib
joblib vous offre une instruction concise : joblib.dump prend l’objet et un nom de fichier, sans gestion manuelle du fichier.
import joblib
joblib.dump(model, 'model.joblib')Charger avec Joblib
Le chargement reprend le même principe que l’enregistrement. Appelez joblib.load avec le même nom de fichier pour récupérer votre estimateur entraîné.
model = joblib.load('model.joblib')
model.predict(X_test)La grande mise en garde concernant Pickle
Ne désérialisez jamais un fichier provenant d’une source non fiable. Un pickle malveillant peut exécuter du code arbitraire dès son chargement. ⚠️
Les versions doivent correspondre
Un pickle dépend des versions des bibliothèques. Charger un modèle avec une version différente de scikit-learn peut provoquer une erreur ou un comportement incorrect silencieux.
Figer ce que vous avez enregistré
Notez toujours les versions exactes des bibliothèques à côté du fichier. Figer vos dépendances garantit que le modèle enregistré sera chargé de la même manière demain.
import sklearn
print(sklearn.__version__)Pickle ou Joblib ?
Pour les modèles scikit-learn, privilégiez joblib ; pour les petits objets Python sans tableaux, pickle seul convient parfaitement.
Vérification rapide
Il est temps de vérifier ce que vous avez appris sur la sérialisation des modèles.
Récapitulatif
Vous savez désormais enregistrer et recharger des modèles avec pickle et joblib, privilégier joblib pour sklearn, ne jamais charger de fichiers non fiables et figer les versions. 🎉
Apprends Python avec un tuteur IA — gratuit
Écris et exécute du vrai code dans ton navigateur, obtiens de l'aide instantanée d'un tuteur IA disponible 24h/24, et reprends là où tu t'es arrêté sur le web ou dans l'app.
- Cours
- 30
- Leçons
- 120
Questions Fréquemment Posées
La leçon « Sérialiser avec Pickle et Joblib » est-elle gratuite ?
Oui — le texte complet de « Sérialiser avec Pickle et Joblib » est gratuit à lire ici sur le web. Pour la pratiquer de manière interactive (un éditeur de code intégré et un tuteur IA 24/7) et déverrouiller le reste du cours MLOps Academy, passe à CoddyKit PRO. Le cours MLOps Academy comprend 4 leçons au total.
Qu'est-ce que j'apprendrai dans « Sérialiser avec Pickle et Joblib » ?
Enregistrez et chargez les modèles sklearn de manière sûre. Tu pratiques MLOps Academy avec du code pratique que tu exécutes directement dans le navigateur, et un tuteur IA 24/7 répond à tes questions au fur et à mesure que tu avances dans la leçon.
Dois-je avoir de l'expérience pour commencer MLOps Academy ?
Aucune expérience préalable n'est requise. MLOps Academy sur CoddyKit est structuré pour les débutants jusqu'aux apprenants avancés, donc tu peux commencer ici ou depuis le début et avancer à ton rythme. Ceci est la leçon 1 sur 4.
Combien de temps prend la leçon « Sérialiser avec Pickle et Joblib » ?
La plupart des leçons CoddyKit prennent environ 5–10 minutes. Chacune est courte et interactive, tu progresses régulièrement et tu repiques exactement où tu t'es arrêté sur le web et l'app.
Peux-tu écrire et exécuter du code dans cette leçon MLOps Academy ?
Oui. Chaque leçon MLOps Academy inclut un éditeur de code intégré, tu écris et exécutes du vrai code directement dans ton navigateur et tu reçois des retours IA instantanés — aucune configuration locale requise.
Toutes les leçons de ce cours
- Sérialiser avec Pickle et Joblib
- Le format de modèle MLflow
- Exporter vers ONNX pour faciliter la portabilité
- Définir la signature et le schéma d’un modèle