Salvare e caricare il modello
Persistire il modello con joblib per riutilizzarlo
Salvare e caricare il modello è una lezione NLP Academy gratuita su CoddyKit. Questa è la lezione 3 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento NLP Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso NLP Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Why Save a Model?
Training can take minutes or hours. Saving the fitted model lets you reuse it instantly, with no need to retrain every time. 💾
Serialization in Plain Words
Serialization turns your in-memory model into bytes you can write to disk. Loading reverses it back into a working object.
Meet joblib
For scikit-learn models, joblib is the recommended tool. It handles the large numpy arrays inside your model efficiently.
import joblibSave With dump
Call dump with your fitted pipeline and a filename. That single line writes the entire model to disk.
joblib.dump(pipe, "models/sentiment.joblib")Load With load
Later, restore the model with load. You get back the exact same object, ready to predict right away.
model = joblib.load("models/sentiment.joblib")Save the Whole Pipeline
Always save the full pipeline, not just the classifier. The vectorizer must travel with it, or new text will not be encoded correctly.
joblib vs pickle
Plain pickle works too, but joblib is faster for the big arrays scikit-learn models contain. Prefer joblib for these models.
Pin the Version
A model saved with one scikit-learn version may fail to load on another. Record the library version beside your saved file.
Trust Only Your Files
Loading runs code, so a malicious file can harm you. Only load model files from sources you fully trust. ⚠️
Keep Models Out of Git
Saved models are large binaries. Add the models folder to gitignore and store big files in proper storage instead.
# .gitignore
models/Verify After Loading
After loading, run a quick prediction on a known example. If the output looks right, your saved model is intact and ready.
print(model.predict(["this movie was great"]))Quick Check
Think about which object you must persist to disk.
Recap
You used joblib to dump and load the full pipeline, pinned the version, kept models out of git, and verified with a test prediction. 🎉
Domande Frequenti
La lezione «Salvare e caricare il modello» è gratuita?
Sì — il testo completo di «Salvare e caricare il modello» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso NLP Academy, passa a CoddyKit PRO. Il corso NLP Academy include 4 lezioni in totale.
Cosa imparerò in «Salvare e caricare il modello»?
Persistire il modello con joblib per riutilizzarlo Eserciti NLP Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare NLP Academy?
Non è richiesta alcuna esperienza precedente. NLP Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 3 di 4.
Quanto tempo richiede la lezione «Salvare e caricare il modello»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione NLP Academy?
Sì. Ogni lezione NLP Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Strutturare un vero progetto NLP
- Pipeline scikit-learn dall'inizio alla fine
- Salvare e caricare il modello
- Prevedere su testo completamente nuovo