代码之家 › 专栏 › 技术社区 › NotSoShabby

Sagemaker将模型导出并加载到内存

amazon-sagemaker

0

NotSoShabby · 技术社区 · 7 年前

我使用sagemaker(在aws ml笔记本上)创建了一个模型。然后我将该模型导出到s3和 .tar.gz 文件是在那里创建的。

我试图找到一种方法,将模型对象加载到我代码中的内存中(不使用AWS docker映像和部署),并对其运行预测。

我在 sagemaker docs ,但所有这些都与AWS docker图像紧密耦合。

然后我试着用 tarfile 和 shutil 但那是没用的。

有什么想法吗?

0 回复 | 直到 7 年前

1

2

Julien Simon 7 年前

除了XGBoost,内置算法是用Apache MXNet实现的,所以只需从.tar.gz文件中提取模型并用MXNet加载它:load_checkpoint()是要使用的API。

XGBoost模型只是pickle对象。在sklearn中解除锁定并加载:

$ python3
>>> import sklearn, pickle
>>> model = pickle.load(open("xgboost-model", "rb"))
>>> type(model)
<class 'xgboost.core.Booster'>

使用内置库(Tensorflow、MXNet、Pytorch等)训练的模型是普通的模型,可以像使用正确的库一样加载。

希望这有帮助。