如何保存/加载优化的GPy回归模型

如何解决如何保存/加载优化的GPy回归模型

我正在尝试保存优化的高斯过程模型以用于其他脚本中。我目前的思路是利用GPy内置的to_dict和from_dict函数将模型信息存储在json文件中。类似于：

import GPy
import numpy as np
import json

X = np.random.uniform(-3.,3.,(20,1))
Y = np.sin(X) + np.random.randn(20,1)*0.05
kernel = GPy.kern.RBF(input_dim=1,variance=1.,lengthscale=1.)

m = GPy.models.GPRegression(X,Y,kernel)

m.optimize(messages=True)
m.optimize_restarts(num_restarts = 10)

jt = json.dumps(m.to_dict(save_data=False),indent=4)
with open("j-test.json",'w') as file:
    file.write(jt)

此步骤没有问题，但是当我尝试使用：加载模型信息时遇到了问题。

with open("j-test.json",'r') as file:
    d = json.load(file)  # d is a dictionary

m2 = GPy.models.GPClassification.from_dict(d,data=None)

这给了我一个断言错误，因为“数据不是无”（或者至少我是这样认为的）。

我对GPy真的很陌生，并且使用jsons，所以我真的不确定我误入歧途了。我尝试查看文档，但是文档有点含糊，我找不到使用它的示例。 我错过了一个步骤/概念吗？另外，这是存储和重新加载模型的最佳方法吗？任何帮助，将不胜感激！谢谢！

解决方法

泡菜模块是您的朋友！

import pickle
with open('save.pkl','wb') as file:
    pickle.dump(m,file)

您可以在以后的脚本中使用以下命令对其进行回调：

with open('save.pkl','rb') as file:
    loaded_model = pickle.load(file)