持久机器学习

Question

我有一个超级基础的机器学习问题。我一直在学习有关机器学习的各种教程和在线课程，以及学习如何使用它的各种技术，但是我没有看到持久的应用程序。

因此，例如，我训练网络以识别花园侏儒的外观，但是在运行训练集并使用测试数据进行验证之后，如何保持网络，以便可以将其提供给单个图片并告诉我这张照片是否带有花园侏儒？每个教程似乎都让您遍历训练/验证集，而没有关于如何以有意义的方式托管网络以备将来使用的任何想法。

谢谢！

Answer 1

此问题更适合Cross Validated或Data Science，但要点如下：培训网络后，通常有一个过程称为“冻结”，这意味着保存网络以一种“持久”的方式：重量不再变化，并且在训练过程中发生的一些事情（例如辍学）也被丢弃了。

您的网络被保存为磁盘上某个文件，然后可以使用专用功能重新加载。 然后，您可以像训练时一样将新图像传递到冻结的网络中（类似于class=frozen_model(image)）。

要更加具体，您应该指定要使用的库。

Answer 2

一旦使用测试/开发集对模型/网络进行了训练和验证，最佳实践是“冻结”其状态并将其用于预测。

要将网络或模型集成到应用程序中，应该维护模型的状态并存储它，通常模型是由serializing存储，标记并保存到有状态存储（数据库）中的。或您的本地磁盘）。

Python提供了各种序列化方法和库，包括内置的pickle。 作为其他参考，这是关于pickling

的简短文章

Answer 3

使用python pickle库将经过训练的模型转储到硬盘上并加载模型，并测试持久性结果。