如何在内存中加载 scikit-learn 机器学习模块？
How to load a scikit-learn machine learning module in memory?
我使用 scikit-learn 创建了一个 SVM 分类器；基本上它会引入一个描述，然后 returns 一个基于该描述的类别。
目前我已经使用 FLASK 框架创建了一个 API，以便将我的呼叫发送到一个集中的 Linux 框。但是，每次使用它时，我一直在 pickling 和 unpickling，但我想创建一个持久加载模型以加快我的分类时间。
- 是否有人们可以推荐的资源或
- 指导我如何完成此操作？
import pickle
model = pickle.load(path)
def predict(val):
return model.predict(val)
在函数外部声明文件会将它们保存在内存中，直到 api 为 运行。
从您的 Flask 脚本调用预测函数。
我使用 scikit-learn 创建了一个 SVM 分类器；基本上它会引入一个描述，然后 returns 一个基于该描述的类别。
目前我已经使用 FLASK 框架创建了一个 API，以便将我的呼叫发送到一个集中的 Linux 框。但是，每次使用它时，我一直在 pickling 和 unpickling，但我想创建一个持久加载模型以加快我的分类时间。
- 是否有人们可以推荐的资源或
- 指导我如何完成此操作？
import pickle
model = pickle.load(path)
def predict(val):
return model.predict(val)
在函数外部声明文件会将它们保存在内存中，直到 api 为 运行。 从您的 Flask 脚本调用预测函数。