两种主要的模型保存和调用方法：pickle和joblib

Cheer-ego

已于 2023-06-01 11:15:17 修改

阅读量2.9k

点赞数 1

CC 4.0 BY-SA版权

分类专栏： Coding随手记文章标签： python scipy numpy pandas

于 2023-03-14 17:50:17 首次发布

本文链接：https://blog.csdn.net/qq_43629945/article/details/129527158

Coding随手记专栏收录该内容

14 篇文章

订阅专栏

文章介绍了Python中使用pickle和joblib库来保存和加载模型的方法。pickle适用于一般模型，而joblib在处理numpy结构数据和大型模型时更高效。保存模型后，只需将文件路径添加到Python环境变量，即可在其他计算机上导入模型。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一：使用pickle保存和调用模型

pickle是Python中比较标准的一个保存和调用模型的库，可以使用pickle和open函数的连用，来将模型保存到本地（注意：使用open进行保存的这个文件是一个可以进行读取或者调用的模型）

import pickle

# 保存模型
pickle.dump(xxx, open("xxx.xxx","wb"))  
# open中往往使用w或者r作为读取的模式，但其实w和r只能用于文本文件
# 当希望导入的不是文本文件，而是模型本身的时候，使用wb和rb作为读取的模式，其中wb表示以二进制写入，rb表示以二进制读入

# 模型被保存到了哪里？
import sys
sys.path
# 能够看到Python的运行目录，第一行为模型保存的现有目录，下面为添加到环境变量的目录

导入模型也很简单：

loaded_model = pickle.load(open("xxx.xxx", "rb"))

二：使用joblib保存和调用模型

joblib是scipy生态系统中的一部分，它为Python提供了保存和调用管道和对象的功能，处理numpy结构的数据尤其高效，对于很大的数据集和巨大的模型非常有用，与pickle API非常相似

import joblib

joblib.dump(xxx, "xxx.xxx")

loaded_model = joblib.load("xxx.xxx")

在以上两种保存方法下，都可以找到保存下来的文件，将这些文件移动到任意计算机上的Python下的环境变量路径中（使用sys.path进行查看），则可以使用import来对模型进行调用