Question

我有一个带kerasRegressor的scikit-learn pipline：

estimators = [
    ('standardize', StandardScaler()),
    ('mlp', KerasRegressor(build_fn=baseline_model, nb_epoch=5, batch_size=1000, verbose=1))
    ]
pipeline = Pipeline(estimators)

之后，训练pipline，我试图使用joblib保存到磁盘......

joblib.dump(pipeline, filename , compress=9)

但是我收到了一个错误：

RuntimeError：超出最大递归深度

如何将管道保存到磁盘？

Answer 1

我遇到了同样的问题，因为没有直接的方法可以做到这一点。这是一个适合我的黑客。我将管道保存为两个文件。第一个文件存储了sklearn管道的pickle对象，第二个文件用于存储Keras模型：

...
from keras.models import load_model
from sklearn.externals import joblib

...

pipeline = Pipeline([
    ('scaler', StandardScaler()),
    ('estimator', KerasRegressor(build_model))
])

pipeline.fit(X_train, y_train)

# Save the Keras model first:
pipeline.named_steps['estimator'].model.save('keras_model.h5')

# This hack allows us to save the sklearn pipeline:
pipeline.named_steps['estimator'].model = None

# Finally, save the pipeline:
joblib.dump(pipeline, 'sklearn_pipeline.pkl')

del pipeline

以下是模型的加载方式：

# Load the pipeline first:
pipeline = joblib.load('sklearn_pipeline.pkl')

# Then, load the Keras model:
pipeline.named_steps['estimator'].model = load_model('keras_model.h5')

y_pred = pipeline.predict(X_test)

Answer 2

Keras与开箱即用的泡菜不兼容。如果您愿意猴子打补丁，可以修复它：https://github.com/tensorflow/tensorflow/pull/39609#issuecomment-683370566。

您还可以使用SciKeras库，该库可以为您完成此任务，并且可以代替command_stdout="$(mycommand --flag 2>/tmp/stderr.$$)" command_stderr="$(</tmp/stderr.$$)" rm /tmp/stderr.$$：https://github.com/adriangb/scikeras

披露：我是SciKeras以及该PR的作者。

如何使用keras regressor将scikit-learn pipline保存到磁盘中？

2 个答案: