Сериализация с помощью Pickle и Joblib
Безопасно сохраняйте и загружайте модели sklearn
«Сериализация с помощью Pickle и Joblib» — бесплатный урок MLOps Academy на CoddyKit. Это урок 1 из 4. Ты можешь прочитать весь урок бесплатно ниже — а потом практиковать его прямо в браузере с встроенным редактором кода и ИИ-репетитором 24/7. Это часть пути обучения MLOps Academy, и твой прогресс синхронизируется между веб-версией и приложением CoddyKit. Курс MLOps Academy содержит 4 уроков всего.
Зачем сериализовать модель?
Обученная модель находится в памяти и исчезает после завершения скрипта. Сериализация сохраняет её в файл, чтобы позже можно было загрузить её снова. 💾
Знакомьтесь: pickle
Встроенный модуль Python pickle преобразует почти любой объект в байты, которые можно сохранить на диске, а затем восстановить в исходном виде.
Сохранение модели на диске
Откройте файл в двоичном режиме записи и вызовите pickle.dump, чтобы записать в него обученную модель.
import pickle
with open('model.pkl', 'wb') as f:
pickle.dump(model, f)Восстановление модели
Чтобы восстановить модель, откройте файл в двоичном режиме чтения и вызовите pickle.load. Вы получите обратно тот же объект, готовый к построению прогнозов.
with open('model.pkl', 'rb') as f:
model = pickle.load(f)Зачем нужен Joblib
Модели Scikit-learn содержат большие массивы NumPy. joblib хранит такие массивы гораздо эффективнее, чем обычный pickle. 🚀
Сохранение с помощью Joblib
joblib предоставляет простой вызов в одну строку: joblib.dump принимает объект и имя файла, поэтому вручную работать с файловым дескриптором не нужно.
import joblib
joblib.dump(model, 'model.joblib')Загрузка с помощью Joblib
Загрузка аналогична сохранению. Вызовите joblib.load с тем же именем файла и получите обратно обученный оцениватель.
model = joblib.load('model.joblib')
model.predict(X_test)Главное предупреждение о pickle
Никогда не загружайте pickle из ненадёжного источника. Вредоносный pickle может выполнить произвольный код сразу после загрузки. ⚠️
Версии должны совпадать
Файл pickle связан с версиями библиотек. Загрузка модели в другой версии scikit-learn может завершиться ошибкой или привести к незаметно неправильному поведению.
Зафиксируйте сохранённые зависимости
Всегда записывайте точные версии библиотек рядом с файлом. Фиксация зависимостей гарантирует, что завтра сохранённая модель загрузится так же.
import sklearn
print(sklearn.__version__)Pickle или Joblib?
Для моделей scikit-learn выбирайте joblib; для небольших объектов Python без массивов обычный pickle вполне подходит.
Быстрая проверка
Пора проверить, что вы узнали о сериализации моделей.
Итоги
Теперь вы умеете сохранять и загружать модели с помощью pickle и joblib, предпочитаете joblib для sklearn, никогда не загружаете ненадёжные файлы и фиксируете версии. 🎉
Часто задаваемые вопросы
Урок «Сериализация с помощью Pickle и Joblib» бесплатный?
Да — полный текст урока «Сериализация с помощью Pickle и Joblib» бесплатно доступен здесь в веб-версии. Чтобы практиковать его интерактивно (встроенный редактор кода и ИИ-репетитор 24/7) и разблокировать остальной курс MLOps Academy, подпишись на CoddyKit PRO. Курс MLOps Academy содержит 4 уроков всего.
Чему я научусь в уроке «Сериализация с помощью Pickle и Joblib»?
Безопасно сохраняйте и загружайте модели sklearn Ты практикуешь MLOps Academy с помощью реального кода, который запускаешь прямо в браузере, и ИИ-репетитор 24/7 отвечает на твои вопросы во время урока.
Нужен ли мне опыт, чтобы начать MLOps Academy?
Предыдущий опыт не требуется. MLOps Academy на CoddyKit структурирован для всех уровней — от новичков до продвинутых, поэтому ты можешь начать отсюда или с самого начала и учиться в своем темпе. Это урок 1 из 4.
Сколько времени занимает урок «Сериализация с помощью Pickle и Joblib»?
Большинство уроков CoddyKit занимают около 5–10 минут. Каждый из них компактный и интерактивный, поэтому ты постоянно делаешь прогресс и продолжаешь с того же места в веб-версии и приложении.
Можно ли писать и запускать код в этом уроке MLOps Academy?
Да. Каждый урок MLOps Academy включает встроенный редактор кода, поэтому ты пишешь и запускаешь реальный код прямо в браузере и получаешь моментальную обратную связь от AI — локальная установка не требуется.
Все уроки этого курса
- Сериализация с помощью Pickle и Joblib
- Формат модели MLflow
- Экспорт в ONNX для переносимости
- Определение сигнатуры и схемы модели