TabularPredictor.clone_for_deployment

TabularPredictor.clone_for_deployment(path: str, *, model: str = 'best', return_clone: bool = False, dirs_exist_ok: bool = False) → str | 'TabularPredictor'[源]

将预测器及其所有工件克隆到本地磁盘上的新位置，然后删除克隆中预测时不需要的工件。这非常适合需要在执行更高级操作（例如 fit_extra 和 refit_full）之前保存预测器快照的用例。

请注意，此克隆无法再拟合新模型，并且除了 predict 和 predict_proba 之外的大多数功能将不再可用。

与按顺序执行以下操作相同

predictor_clone = predictor.clone(path=path, return_clone=True, dirs_exist_ok=dirs_exist_ok) predictor_clone.delete_models(models_to_keep=model, dry_run=False) predictor_clone.set_model_best(model=model, save_trainer=True) predictor_clone.save_space()

参数:

  • path (str) – 克隆的预测器将保存到的目录路径。

  • model (str, 默认为 'best') – 在优化后的预测器克隆中使用的模型。所有其他不相关的模型将被删除以节省磁盘空间。有关可用选项，请参阅 predictor.delete_models 的 models_to_keep 参数。内部调用 predictor_clone.delete_models(models_to_keep=model, dry_run=False)

  • return_clone (bool, 默认为 False) – 如果为 True，则返回加载的克隆 TabularPredictor 对象。如果为 False，则返回克隆 TabularPredictor 对象的本地路径。

  • dirs_exist_ok (bool, 默认为 False) – 如果为 True，即使路径目录已存在，也会克隆预测器，这可能会覆盖不相关的文件。如果为 False，如果路径目录已存在，则会引发异常并避免执行复制。

返回值:

  • 如果 return_clone == True，则返回加载的克隆 TabularPredictor 对象。

  • 如果 return_clone == False，则返回克隆 TabularPredictor 对象的本地路径。