- 追加された行はこの色です。
- 削除された行はこの色です。
#author("2023-12-16T15:42:52+09:00;1970-01-01T18:00:00+09:00","default:inoue.ko","inoue.ko")
#author("2023-12-16T16:25:01+09:00;2023-12-16T16:14:10+09:00","default:inoue.ko","inoue.ko")
* Pickel
https://docs.python.org/ja/3/library/pickle.html
~
**概要
pickle モジュールは Python オブジェクトの直列化および直列化されたオブジェクトの復元のためのモジュールです。''機械学習においては、学習済みのモデルの Save & Load に利用されます。''
pickle モジュールは Python オブジェクトの直列化および直列化されたオブジェクトを復元するためのモジュールです。''機械学習においては、学習済みのモデルの Save & Load に利用されます。''
-Pickle 化:直列化 serialization、整列化 marshalling、平坦化 flattening と同義
-非 pickle 化:バイナリファイル または バイトライクオブジェクト から バイトストリームをオブジェクト階層に復元する処理を意味します。
&small(注)Pickle 化:直列化 serialization、整列化 marshalling、平坦化 flattening と同義);
~
~
**記載例
以下、学習済みモデルの Save & Load の記載例です。
__[[ModelSave&Load.ipynb>https://github.com/koichi-inoue/DataScience/blob/main/ModelSave%26Load.ipynb]]__
**事例
以下、学習済みモデルを利用する際の pickle の活用事例です。
__[[Pre_trainedModel.ipynb>https://github.com/koichi-inoue/DataScience/blob/main/Pre_trainedModel.ipynb]]__
ノートの前半は、GitHub に置かれた学習済みモデル(model.pkl)を読み込んで iris の分類を行う事例。ノートの後半は、GoogleDrive を利用した保存と読み込みの書き方の事例を紹介しています。
~
***GitHubに置かれたファイルを Load する事例
-はじめにァイルの入出力に関わるライブラリの読み込みが必要になります。
import requests
from io import BytesIO
-具体的な読み込みは、以下のようなコードになります。
model_url = 'https://github.com/koichi-inoue/DataScience/raw/main/model.pkl'
response = requests.get(model_url)
if response.status_code == 200:
model_bytes = BytesIO(response.content)
with open("model.pkl", "wb") as f:
f.write(model_bytes.getvalue())
with open("model.pkl", "rb") as f:
loaded_model = pickle.load(f)
else:
print(f"エラー: {response.status_code}")
~
**Googleドライブを利用した、モデルの Save & Load
***GoogleDrive のマウント、pickle の読み込み
# GoogleDrive のマウント
***Google Drive を利用した保存と読み込み
-Googleドライブを利用する場合は、GoogleDrive のマウントが必要です。
from google.colab import drive
drive.mount('/content/drive')
# pickel のインポート
import pickle
~
***モデルの SAVE
# GoogleDrive の特定パスに、学習済みモデル(model)を
# model.pkl として保存
#・・Path/To・・の部分は、自身で書き換えてください。
-モデルの SAVE は以下のような書き方になります。
with open('/content/drive/My Drive/・・Path/To・・/model.pkl', 'wb') as file:
pickle.dump(model, file)
~
***モデルの LOAD
# GoogleDrive の特定パスにある学習済みモデル(modell.pkl)を
loaded_model に読み込む(・・Path/To・・はご自身で)。
-モデルの LOAD は以下のような書き方になります。
with open('/content/drive/My Drive/・・Path/To・・/model.pkl', 'rb') as file:
loaded_model = pickle.load(file)
~
**GitHubに置かれたファイルの Load と利用例
以下、上記と同じサンプルですが、ノートの後半に GiuHub に置かれ学習済みモデルを活用するサンプルを記載しています。
__[[ModelSave&Load.ipynb>https://github.com/koichi-inoue/DataScience/blob/main/ModelSave%26Load.ipynb]]__
~
~
**使用例
以下、[[scikit-learn]] の [[NeuralNetwork]] を用いた「iris の分類」と、学種済みモデルを GoogleDrive に保存するコードサンプル(.ipnb)です。
__[[NeuralNetwork_Iris.ipynb>https://github.com/koichi-inoue/DataScience/blob/main/NeuralNetwork_Iris.ipynb]]__
~
~