相关疑难解决方法(0)

我在64位python上训练一个RandomForestRegressor模型.我挑选了这个物体.当试图在32位python上取消对象时,我得到以下错误:

'ValueError:缓冲区dtype不匹配,预期'SIZE_t'但得到'long long''

我真的不知道如何解决这个问题,所以任何帮助都会非常感激.

编辑:更多细节

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "c:\python27\lib\pickle.py", line 1378, in load
    return Unpickler(file).load()
  File "c:\python27\lib\pickle.py", line 858, in load
    dispatch[key](self)
  File "c:\python27\lib\pickle.py", line 1133, in load_reduce
    value = func(*args)
  File "_tree.pyx", line 1282, in sklearn.tree._tree.Tree.__cinit__ (sklearn\tre
e\_tree.c:10389)

如果我们在64位计算机上使用joblib序列化randomforest模型，然后在32位计算机上解压缩，则会出现异常：

ValueError: Buffer dtype mismatch, expected 'SIZE_t' but got 'long long'

之前曾有人问过这个问题：Scikits-Learn RandomForrest在64位python上受过训练，不会在32位python上打开。但是自2014年以来，这个问题一直没有得到回答。

学习模型的示例代码（在64位计算机上）：

modelPath="../"
featureVec=...
labelVec = ...
forest = RandomForestClassifier()
randomSearch = RandomizedSearchCV(forest, param_distributions=param_dict, cv=10, scoring='accuracy',
                                      n_iter=100, refit=True)
randomSearch.fit(X=featureVec, y=labelVec)
model = randomSearch.best_estimator_
joblib.dump(model, modelPath)

在32位计算机上解压缩的示例代码：

modelPath="../"
model = joblib.load(modelPkl) # ValueError thrown here

我的问题是：如果我们必须在64位计算机上学习并将其移植到32位计算机上进行预测，那么是否有针对该问题的通用解决方法？

编辑：尝试直接使用pickle而不是joblib。仍然存在相同的错误。错误发生在核心pickle库中（对于joblib和pickle）：

  File "/usr/lib/python2.7/pickle.py", line 1378, in load
    return Unpickler(file).load()
  File "/usr/lib/python2.7/pickle.py", line 858, in load
    dispatch[key](self)
  File "/usr/lib/python2.7/pickle.py", line 1133, in load_reduce
    value = func(*args)
  File "sklearn/tree/_tree.pyx", line 585, in sklearn.tree._tree.Tree.__cinit__ …