TabularPredictor.delete_models

TabularPredictor.delete_models(models_to_keep: str | list[str] | None = None, models_to_delete: str | list[str] | None = None, allow_delete_cascade: bool = False, delete_from_disk: bool = True, dry_run: bool | None = None)[源代码]

从 predictor 中删除模型。这有助于最大程度地减少内存使用和磁盘使用，尤其是在模型部署方面。这将删除 predictor 中对模型的所有引用。

例如，删除的模型将不会出现在 predictor.leaderboard() 中。

警告：如果 delete_from_disk=True，这将删除被删除模型目录中的所有文件，无论它们是否由 AutoGluon 创建。

请勿将在模型目录中存储与 AUTOGLUON 无关的文件。

参数:

  • models_to_keep (str 或 list[str], 默认 = None) – 不删除的模型名称。所有未指定且非 models_to_keep 中任何模型依赖的模型都将被删除。指定 models_to_keep='best' 只保留最佳模型及其模型依赖项。models_to_delete 必须为 None，如果设置了 models_to_keep。要查看可能的模型名称列表，请使用：predictor.model_names() 或 predictor.leaderboard()。

  • models_to_delete (str 或 list[str], 默认 = None) – 要删除的模型名称。所有未指定但依赖于 models_to_delete 中模型的模型也将被删除。如果设置了 models_to_delete，则 models_to_keep 必须为 None。

  • allow_delete_cascade (bool, 默认 = False) –

    如果 False，如果 models_to_delete 中的模型存在未指定的依赖模型，将抛出异常而不是执行删除。

    如果 m2 是一个堆叠模型并且将其输入的预测来自 m1，则 m1 是一个依赖模型。在这种情况下，m1 将是 m2 的依赖模型。

    如果 True，则 models_to_delete 中模型的所有依赖模型都将被删除。如果 models_to_delete=None 则无效。

  • delete_from_disk (bool, 默认 = True) –

    如果 True，则如果模型已持久化，将从磁盘中删除它们。警告：这将删除被删除模型的整个目录及其中的所有文件。

    强烈建议先运行 dry_run=True 以了解将删除哪些目录。

  • dry_run (bool, 默认 = True) – 警告：从 v1.4.0 开始，dry_run 将默认为 False。如果 True，则不会发生删除，并打印描述将发生什么的日志语句。设置 dry_run=False 以执行删除。