如何在 python 3.6 中加载在 python 3.5 上训练的机器学习模型？答案

【问题标题】：How to load machine learning model in python 3.6 that is trained on python 3.5?如何在 python 3.6 中加载在 python 3.5 上训练的机器学习模型？
【发布时间】：2019-12-21 00:03:23
【问题描述】：

我已经在 Python 3.5 上训练了一个机器学习模型，现在我切换到使用 Python 3.6 的 Google Colab，当我尝试加载我在 Python 3.5 上训练的模型时，它给出这个错误：

SystemError: unknown opcode.

google了一下，发现这个错误是因为环境变化造成的，然后我交叉检查了我的python版本，两个python版本都不一样。如何在 Python 3.6 上加载我的模型？

【问题讨论】：

您可以尝试使用 python 3.5 将模型加载到内存中，然后使用 python 3.6 作为解释器保存模型。
您究竟是如何保存和加载模型的？如果可能，请添加代码。
获得python 3.5版本的一种方法是连接到local runtime。

标签： python python-3.x machine-learning keras deep-learning

【解决方案1】：

我遇到了和你一样的问题。我在 python 3.5 上的 GCP 上训练了我的模型，并将其移至 colab 以继续评估，即 python 3.6。

我所做的是从代码中重新实例化确切的模型，然后调用 load_weights：

model = create_my_model()

model.load_weights('my_model_trained_with_py_35.h5')

model.save('my_model_py36.h5')

就我而言，除了 Lambda 之外，我没有很多自定义代码：

def abs_diff(x):
  return tf.abs(x[0] - x[1])

由于您的模型可能更复杂，这可能会或可能不会起作用，但值得一试，尤其是。如果重新培训太贵。像往常一样，使用相同的数据评估模型并确保没有任何异常。

【讨论】：

【解决方案2】：

你不应该。

即使您让它在没有错误/警告的情况下运行，也可能会发生细微的变化，从而改变模型的行为/性能。

您应该在 Python 3.6 上重新训练模型，或者为您的模型创建一个运行 Python 3.5 的虚拟环境，以确保其按预期运行。还要始终确保实际的库（例如 keras...）具有相同的版本。

【讨论】：

当您说性能时，您是指执行速度，还是指标性能？另外，如果你别无选择再训练，只用 load_weights(...) 可以吗？
两者。不确定 load_weights，因为我不知道您使用的是哪种算法。您可以尝试并希望获得最好的结果，只要所有库版本都相同，您可能会很好。
另外，也许要确保从 3.5 到 3.6 的更改实际上是问题所在，而不是其他问题，例如具有更有限的命令集的不同 Python 实现。
我已经读到加载权重可能比从保存的 .h5 加载整个序列化模型更安全、更好的“实践”，尤其是。如果您可以控制 ML 开发的每个阶段。如果我没记错的话，这是 pytorch 的唯一方法（大约一年前使用过）。