로컬 및 AWS S3에서 Tensorflow 및 sklearn 파이프라인 저장/로드
Tensorflow
를 사용하여 sklearn
및 joblib
모델/파이프라인을 쓰고 읽을 수 있습니다.로컬 쓰기/읽기
from pathlib import Path
path = Path(<local path>)
# WRITE
with path.open("wb") as f:
joblib.dump(model, f)
# READ
with path.open("rb") as f:
f.seek(0)
model = joblib.load(f)
boto3
클라이언트를 사용하여 AWS S3에서 동일한 작업을 수행할 수 있습니다.AWS S3 쓰기/읽기
import tempfile
import boto3
import joblib
s3_client = boto3.client('s3')
bucket_name = "my-bucket"
key = "model.pkl"
# WRITE
with tempfile.TemporaryFile() as fp:
joblib.dump(model, fp)
fp.seek(0)
s3_client.put_object(Body=fp.read(), Bucket=bucket_name, Key=key)
# READ
with tempfile.TemporaryFile() as fp:
s3_client.download_fileobj(Fileobj=fp, Bucket=bucket_name, Key=key)
fp.seek(0)
model = joblib.load(fp)
# DELETE
s3_client.delete_object(Bucket=bucket_name, Key=key)
Reference
이 문제에 관하여(로컬 및 AWS S3에서 Tensorflow 및 sklearn 파이프라인 저장/로드), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://dev.to/wesleycheek/saveload-tensorflow-sklearn-pipelines-from-local-and-aws-s3-34dc텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)