判断一个模型是pytorch模型还是tensorflow模型还是scikit模型答案

【问题标题】：Determine whether a model is pytorch model or a tensorflow model or scikit model判断一个模型是pytorch模型还是tensorflow模型还是scikit模型
【发布时间】：2021-02-27 03:36:00
【问题描述】：

如果我想确定模型的类型，即它是从哪个框架以编程方式制作的，有没有办法做到这一点？
我有一个以某种序列化方式的模型（例如泡菜文件）。为简单起见，假设我的模型可以是 tensorflow、pytorch 或 scikit learn 的。如何以编程方式确定这 3 个中的哪一个？

【问题讨论】：

标签： python tensorflow machine-learning scikit-learn pytorch

【解决方案1】：

AFAIK，我从未听说过要使用 pickle 或 joblib 保存的 Tensorflow/Keras 和 Pytorch 模型 - 这些框架提供了自己的保存和加载模型的功能：请参阅 SO 线程 Tensorflow: how to save/restore a model? 和 Best way to save a trained model in PyTorch?。此外，Github thread 在尝试使用 pickle 和 joblib 保存 TensorFlow 模型时报告各种问题。

鉴于此，如果您加载了一个模型，比如说，pickle，那么查看它使用的是什么类型是微不足道的 type(model) 和 model。以下是 scikit-learn 线性回归模型的简短演示：

import numpy as np
from sklearn.linear_model import LinearRegression

X = np.array([[1, 1], [1, 2], [2, 2], [2, 3]])
y = np.dot(X, np.array([1, 2])) + 3
reg = LinearRegression()
reg.fit(X, y)

# save it

import pickle

filename = 'model1.pkl'
pickle.dump(reg, open(filename, 'wb'))

现在，加载模型：

loaded_model = pickle.load(open(filename, 'rb'))

type(loaded_model)
# sklearn.linear_model._base.LinearRegression

loaded_model
# LinearRegression(copy_X=True, fit_intercept=True, n_jobs=None, normalize=False)

这也适用于 XGBoost、LightGBM、CatBoost 等框架。

【讨论】：