为机器学习模型创建一个pickle文件

Question

我要做的是在pickle对象中加载一个用于生成摘要的机器学习模型，这样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。我花了10分钟的时间来生成总结，而用户却不能承受。在

    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最初是在泡菜，但没有一个在足够的时间内做到这一点。我第一次尝试这样做时，创建的pickle文件是11.2GB，我认为这太大了。我花了一个多小时才把我的电脑弄得一塌糊涂。代码没有执行完，我强制重启了我的电脑，因为它花了太长时间。在

如果有人能帮忙，我将不胜感激。在

Answer 1

我建议检查存储到hdf5中是否可以提高性能：

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读取：

^{pr2}$

资料来源：

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

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