2015-07-20 2 views
7

В учебнике пользователь говоритКак сохранить/загрузить обученную модель в H2o?

Navigate to Data > View All 
Choose to filter by the model key 
Hit Save Model 
Input for path: /data/h2o-training/... 
Hit Submit 

Проблема заключается в том, что у меня нет этого меню (H2o, 3.0.0.26, веб-интерфейс)

+0

Опция существует с по меньшей мере 3,8 (т.е. 10-ий месяцы назад). (Текущая версия модели сохранения очень полезна, так как вы можете сохранить моментальный снимок модели в любое время, пока она строится, но все же оставляя ее для обучения еще.) –

ответ

5

Я, к сожалению, не знакомы с веб-интерфейсом, но я может предложить обходной путь с участием H2O в R. функции

h2o.saveModel(object, dir = "", name = "", filename = "", force = FALSE) 

и

h2o.loadModel(path, conn = h2o.getConnection()) 

Предложите то, что вам нужно. Я попытаюсь взглянуть на H2O Flow.

Update

Я не могу найти возможность явно сохранить модель либо. Вместо этого вы можете сохранить «Поток». Вы, эрго, можете загружать/импортировать свой файл, строить модель, а затем сохранять/загружать статус :-)

+0

У меня есть некоторые проблемы с интерфейсом R раньше. Я могу, конечно, попробовать еще раз ... Я могу сохранить поток, это не проблема. Но я бы хотел сохранить модель.В противном случае что-то, что было уместно на час, было потеряно, если что-нибудь случится с приложением, или с java, или с компьютером ... Хуже всего то, что в руководстве есть инструкция, как это сделать, но я не могу найти эти параметры. Вероятно, документация для предыдущей версии, и что-то произошло в новом ... Я надеялся, что кто-то из H2O будет комментировать ... –

1

Рабочий пример, который я использовал недавно при построении модели глубокого обучения в версии 2.8.6 в h2o. модель была сохранена в hdfs.For последней версии, которую вы, возможно, придется удалить классификацию = выключатель T и должен заменить данные с training_frame

library(h2o) 
h = h2o.init(ip="xx.xxx.xxx.xxx", port=54321, startH2O = F) 

cTrain.h2o <- as.h2o(h,cTrain,key="c1") 
cTest.h2o <- as.h2o(h,cTest,key="c2") 

nh2oD<-h2o.deeplearning(x =c(1:12),y="tgt",data=cTrain.h2o,classification=F,activation="Tanh", 
         rate=0.001,rho=0.99,momentum_start=0.5,momentum_stable=0.99,input_dropout_ratio=0.2,       
         hidden=c(12,25,11,11),hidden_dropout_ratios=c(0.4,0.4,0.4,0.4), 
         epochs=150,variable_importances=T,seed=1234,reproducible = T,l1=1e-5, 
         key="dn") 

hdfsdir<-"hdfs://xxxxxxxxxx/user/xxxxxx/xxxxx/models" 

h2o.saveModel(nh2oD,hdfsdir,name="DLModel1",save_cv=T,force=T) 

test=h2o.loadModel(h,path=paste0(hdfsdir,"/","DLModel1")) 
2

при просмотре модели в H2O Flow, вы увидите кнопку «Экспорт», как действие, которое можно предпринять против модели

Оттуда вам будет предложено указать путь в диалоговом окне «Модель экспорта». Укажите путь и нажмите кнопку «Экспорт». Это избавит вас от модели на диск.

Я имею в виду H2O версии 3.2.0.3

+0

Как насчет загрузки в потоке? – Aditya

+0

Вы хотите загрузить сохраненный файл .flow? –

1

Это должно быть то, что вам нужно:

library(h2o) 
h2o.init() 
path = system.file("extdata", "prostate.csv", package = "h2o") 
h2o_df = h2o.importFile(path) 
h2o_df$CAPSULE = as.factor(h2o_df$CAPSULE) 
model = h2o.glm(y = "CAPSULE", 
       x = c("AGE", "RACE", "PSA", "GLEASON"), 
       training_frame = h2o_df, 
       family = "binomial") 
h2o.download_pojo(model) 

http://h2o-release.s3.amazonaws.com/h2o/rel-slater/5/docs-website/h2o-docs/index.html#POJO%20Quick%20Start

+0

Похожу модели недостаточно для повторного импорта обратно в H2O позже. – matt2000

1

Как сохранять модели в H2O Flow:

  1. перейти к разделу «Список всех модов» ELS»

  2. в деталях модели, вы найдете "вариант экспорта"

  3. enter the model name you want to save it as
  4. import it back again

Как сохранить модель обучен в h2o-ру:

# say "rf" is your H2ORandomForestEstimator object. To export it 
>>> path = h2o.save_model(rf, force=True) # save_model() returns the path 
>>> path 
u'/home/user/rf' 

#to import it back again(as a new object) 
>>> rafo = h2o.load_model(path) 
>>> rafo # prints model details 
Model Details 
============= 
H2ORandomForestEstimator : Distributed Random Forest 
Model Key: drf1 
Model Summary: 
######Prints model details...................