是否可以一次加载模型并在python中再次重用？

Question

我已经训练了scikit学习模型，现在想在我的python代码中使用。有没有办法可以重用同一模型实例？以一种简单的方式，我可以在需要时再次加载模型，但是由于需求越来越频繁，我想一次加载模型并再次使用它。

有什么办法可以在python中实现吗？

这是预测.py中一个线程的代码：

clf = joblib.load('trainedsgdhuberclassifier.pkl')
clf.predict(userid)

现在，对于另一个用户，我不想再次启动prediction.py并花费时间来加载模型。有没有办法，我可以简单地写。

new_recommendations = prediction(userid)

我应该在这里使用多处理吗？我不确定 ！！

Answer 1

根据Scikit学习文档，以下代码可以为您提供帮助：

from sklearn import svm
from sklearn import datasets
clf = svm.SVC()
iris = datasets.load_iris()
X, y = iris.data, iris.target
clf.fit(X, y)  
import pickle
s = pickle.dumps(clf)
clf2 = pickle.loads(s)
clf2.predict(X[0])

在scikit的特定情况下，使用joblib代替pickle（joblib.dump和joblib.load）可能会更有趣，这种方法在内部携带大型numpy数组的对象上效率更高，这通常适用于scikit-学习估计器，但只能将其腌制到磁盘而不是字符串中：

from sklearn.externals import joblib
joblib.dump(clf, 'filename.pkl') 

稍后，您可以使用以下方法加载腌制的模型（可能在另一个Python进程中）：

clf = joblib.load('filename.pkl') 

再次加载模型后。您可以重新使用它而无需重新培训。

clf.predict(X[0])

资料来源：http : //scikit-learn.org/stable/modules/model_persistence.html