深度学习小技巧（一）：如何保存和恢复TensorFlow训练的模型

在许多情况下，在使用scikit学习库的同时，你需要将预测模型保存到文件中，然后在使用它们的时候还原它们，以便重复使用以前的工作。比如在新数据上测试模型，比较多个模型的优劣。这种保存过程也称为对象序列化——表示具有字节流的对象，以便将其存储在磁盘上，它可以通过网络发送或保存到数据库，而其恢复的过程被称为反序列化。在本文中，我们将在Python和scikit学习中看到三种可能的方法，而且每种都有其优点和缺点。

1.保存和恢复模型的工具

我们第一个介绍的工具是Pickle，用于对象（de）序列化的标准Python工具。之后，我们会介绍Joblib库，它提供了容易（de）序列化方法，其中包含了大数据数组的对象，最后我们会介绍一种手动方法来保存和恢复JSON对象（JavaScript Object Notation）。这些方法都不能代表最佳解决方案，但是可以根据项目的需要选择合适的方案。

2.模型初始化

首先，我们要创建一个scikit学习模型。在我们的例子中，我们将使用Logistic回归模型和Iris数据集。我们导入所需的库，并且加载数据，并将其拆分为训练集和测试集。

现在让我们用一些非默认参数来创建模型，并用训练数据来“喂养”它。我们假设你先前已经找到了模型的最优参数，即产生最高估计精度的参数。

这是我们产生的模型：

使用该fit方法，模型已经学习了存储在其中的系数model.coef_。目标是将模型的参数和系数保存到文件中，因此你不需要再次对新数据重复模型训练和参数优化的步骤。

3.Pickle模块

在以下几行代码中，我们将上一步中创建的模型保存到文件中，然后作为一个新对象加载pickled_model。然后使用加载的模型计算准确度分数，并对新的未见（测试）数据进行预测结果。

运行此代码应该会产生你的预测分数，并通过Pickle保存模型：

使用Pickle来保存和恢复学习模型的好处在于它很快，并且你可以用两行代码完成。如果你已经对训练数据上的模型参数进行了优化，那么这是非常有用的，因此你不需要重复此步骤。不管如何，它都不保存测试结果和任何数据。但仍然可以保存多个对象的元组或列表（并记住哪个对象在哪里），如下所示：

3.Joblib模块

Joblib库它的目的是替代Pickle，用于包含大数据的对象。我们将重复与Pickle一样的保存和恢复过程。

从示例中可以看出，与Pickle相比，Joblib库提供了一个简单的工作流程。虽然Pickle要求将文件对象作为参数传递，但是Joblib可与文件对象和字符串文件名一起使用。如果你的模型包含大量数据，则每个数组将存储在单独的文件中，但整体的保存和恢复过程将保持不变。Joblib还允许使用不同的压缩方法，如“zlib”，“gzip”，“bz2”和不同的压缩级别。

4.手动保存并还原到JSON

根据你的项目，很多时候你会发现Pickle和Joblib都不是合适的解决方案。其中一些原因将在兼容性问题部分中稍后讨论。无论何时要想完全控制保存和恢复过程，最好的方法是手动构建自己的功能。

以下显示了使用JSON手动保存和恢复对象的示例。这种方法允许我们选择需要保存的数据，例如模型参数，系数，训练数据以及我们需要的任何其他数据。

由于我们想将所有这些数据保存在一个对象中，所以一个可能的方法是创建一个继承我们的示例中的模型类的新类LogisticRegression。这个新类被MyLogReg调用，然后分别实现save_json和load_json的方法以保存和恢复JSON文件。

为简单起见，我们将只保存三个模型参数和训练数据。我们可以用这种方法存储一些额外的数据，例如训练集上的交叉验证分数，测试数据，测试数据的准确度等等。

现在我们来试一试MyLogReg。首先我们创建一个对象mylogreg，将训练数据传递给它，并将其保存到文件中。然后我们创建一个新对象json_mylogreg，并调用该load_json方法从文件加载数据。

打印出新的对象，我们可以根据需要来查看我们的参数和训练数据。

由于使用JSON的数据序列化实际上是将对象保存为字符串格式，而不是字节流，所以'mylogreg.json'文件可以使用文本编辑器打开和修改。虽然这种方法对开发人员来说很方便，但是由于入侵者可以查看和修改JSON文件的内容，因此安全性较低。此外，这种方法更适合于具有少量实例变量的对象，例如scikit-learn模型，因为任何添加新变量都需要在保存和恢复方法中进行更改。

5.兼容性问题

尽管到目前为止，每个工具的优点和缺点已被介绍，但Pickle和Joblib工具的最大缺点可能是其与不同型号的Python版本的兼容性。

5.1：Python版本的兼容性——两种工具的文档都指出，不建议（de）在不同的Python版本之间对对象进行序列化，尽管它可能在低级的版本更改中起作用。

5.2：模型兼容性——最常见的错误之一是使用Pickle或Joblib保存模型，然后在尝试从文件还原之前更改模型。模型的内部结构需要在保存和重新加载之间保持不变。

Pickle和Joblib的最后一个问题与安全性有关。这两种工具都可能包含恶意代码，因此不建议从不受信任或未经身份验证的源代码。

6.结论

在这篇文章中，我们描述了三种保存和恢复scikit学习模型的工具。Pickle和Joblib库可以快速方便地使用，但是在不同的Python版本和学习模型的变化中存在兼容性问题。另一方面，手动方法更难实现，需要在模型结构发生任何变化中进行修改，但在另一方面，它可以轻松地适应各种需求，并且没有任何兼容性问题。

作者信息

作者：Mihajlo Pavloski，数据科学与机器学习的爱好者，博士生。

本文由阿里云云栖社区组织翻译。

文章原标题《TensorFlow : Save and Restore Models》

作者：Mihajlo Pavloski译者：虎说八道

文章为简译，更为详细的内容，请查看原文