保存元模型供将来使用

我正在使用openMDAO构建一个共克隆元模型，我想导出并导入另一个Python代码。保存元模型供将来使用

我在旧论坛（http://openmdao.org/forum/questions/444/how-can-i-save-the-metamodel-for-later-use?sort=votes）上发现了一条消息，其中有人使用泡菜来保存元模型。我也读了关于记录器，但我没有成功地在我执行的不同测试。

有没有办法保存元模型并将其用于未来的代码？

编辑：我想我发现用“泡菜”的一种解决方案。我成功地用克里格元模型来做到这一点，但我认为我会和克里格一样工作。

就像在openMDAO'老'论坛上发表的文章中，我将训练有素的元模型保存在一个文件中，然后在另一个python脚本中重用。我在这里加入了代码保存训练的元模型的一部分：

cok = MultiFiCoKrigingSurrogate() 

prob = Problem(Simulation(cok, nfi=2)) 
prob.setup(check=False) 

prob['mm.train:x1']  = DATA_HF_dim 
prob['mm.train:x1_fi2'] = DATA_LF_dim 

prob['mm.train:y1']  = rastri_e 
prob['mm.train:y1_fi2'] = rastri_c 

prob.run() 

import pickle 
f = open('meta_model_info.p','wb') 
pickle.dump(prob,f) 
f.close

一旦训练的元模型保存在文件meta_model_info.p，我可以在另一个脚本加载它，跳过学习阶段。第二个脚本的代码的部分是在这里：

class Simulation(Group): 

    def __init__(self, surrogate, nfi): 
     super(Simulation, self).__init__() 
     self.surrogate = surrogate 

     mm = self.add("mm", MultiFiMetaModel(nfi=nfi)) 
     mm.add_param('x1', val=0.) 

     mm.add_output('y1', val=(0.,0.), surrogate=surrogate) 

cok = MultiFiCoKrigingSurrogate() 

prob = Problem(Simulation(cok, nfi=2)) 
prob.setup(check=False) 

import pickle 

f = open('meta_model_info.p','rb') 
clf = pickle.load(f) 

pred_cok_clf = [] 
for x in inputs: 
    clf['mm.x1'] = x 
    clf.run() 
    pred_cok_clf.append(clf['mm.y1']) 

pred_mu_clf = np.array([float(p[0]) for p in pred_cok_clf]) 
pred_sigma_clf = np.array([float(p[1]) for p in pred_cok_clf])

但是我不得不重新定义类问题的问题，并设置无论是在这第二个脚本。

我不知道这是否是一个正确使用的“泡菜”或是否有另一种方式做到这一点，如果你有任何建议:)

来源

2017-05-31 Guiz

目前还不能用于保存和重新加载任何规定代理模型。您有两种选择： 1）保存训练数据，然后在其他脚本中导入并重新训练模型。您可以直接从库中导入代理模型的fit和predict方法。 2）如果你想跳过每次重新训练的成本，那么你需要修改代理模型本身来保存拟合过程的结果，然后再重新加载到新的实例中： https://github.com/OpenMDAO/OpenMDAO/blob/c69e00f6f9eeb617863e782246e2e7ed1fe9e019/openmdao/surrogate_models/multifi_cokriging.py#L322

来源

2017-05-31 10:43:28

保存元模型供将来使用

回答

相关问题