Question

我想做的是在pickle对象中加载用于摘要生成的机器学习模型，以便当我将代码部署到我的Web应用程序时，它不会一遍又一遍地进行手动加载。这需要花费大量时间，并且我无法承受让用户在模型加载时等待10-15分钟然后生成摘要的情况。

    import cPickle as pickle
    from skip_thoughts import configuration
    from skip_thoughts import encoder_manager
    import en_coref_md

    def load_models():
        VOCAB_FILE = "skip_thoughts_uni/vocab.txt"
        EMBEDDING_MATRIX_FILE = "skip_thoughts_uni/embeddings.npy"
        CHECKPOINT_PATH = "skip_thoughts_uni/model.ckpt-501424"
        encoder = encoder_manager.EncoderManager()
        print "loading skip model"
        encoder.load_model(configuration.model_config(),
            vocabulary_file=VOCAB_FILE,
            embedding_matrix_file=EMBEDDING_MATRIX_FILE,
            checkpoint_path=CHECKPOINT_PATH)
        print "loaded"
        return encoder

    encoder= load_models()
    print "Starting cPickle dumping"
    pickle.dump(encoder, open('/path_to_loaded_model/loaded_model.pkl', "wb"))
    print "pickle.dump executed"
    print "starting cpickle loading"
    loaded_model = pickle.load(open('loaded_model.pkl', 'r'))
    print "pickle load done"

cPickle最初是泡菜，但没有一个人在足够的时间内做到了。我第一次尝试执行此操作，正在创建的pickle文件为11.2GB，我认为这太大了。整个过程花了一个多小时，使我的电脑无法使用。而且代码没有执行完，我强迫重启我的电脑，因为它花费了太长时间。

如果有人能帮助我，我将非常感谢。

Answer 1

我建议检查存储到hdf5中是否可以改善性能：

写入hdf5：

with h5py.File('model.hdf5', 'w') as f:
    for var in tf.trainable_variables():
        key = var.name.replace('/', ' ')
        value = session.run(var)
        f.create_dataset(key, data=value)

从hdf5中读取：

with h5py.File('model.hdf5', 'r') as f:
    for (name, val) in f.items()
        name = name.replace(' ', '/')
        val = np.array(val)
        session.run(param_setters[name][0], { param_setters[name][1]: val })

来源：

https://www.tensorflow.org/tutorials/keras/save_and_restore_models

https://geekyisawesome.blogspot.com/2018/06/savingloading-tensorflow-model-using.html

为机器学习模型创建一个pickle文件

1 个答案: