如何使用Python从H2O生成和保存POJO

Question

我有一个用Python在H2O中创建的模型。我想生成该模型的POJO，并保存它。

假设我的模型名为model_rf。

我试过了：

h2o.save_model(model_rf, path='./pojo_test', force=False)

这将创建一个名为"pojo_test“的目录，其中包含一大堆二进制文件。我想要一个类似于model_rf.java的java文件，那就是POJO本身。

我试过了：

h2o.download_pojo(model_rf, path='./pojo_test_2', get_jar = True)

它给出了错误消息：

IOError: [Errno 2] No such file or directory: u'./pojo_test_2/model_rf.java'

我遗漏了什么？这可能是一个愚蠢的问题，但我无论如何也想不出这个问题。

Answer 1

一切看起来都很好，只是看起来你需要改变你使用的path。

不使用h2o.save_model创建的目录，而是使用已知存在且知道其路径的目录。作为第一个测试，您可以直接保存到桌面，例如使用

h2o.download_pojo(model_rf, path = '/Users/your_user_name/Desktop/', get_jar = True)

你需要更换your_user_name的地方(假设你使用的是mac)

下面是一个可以从头开始尝试的示例(首先使用h2o.cluster().shutdown()关闭h2o

     import h2o
     h2o.init()
     iris_df = h2o.import_file("https://s3.amazonaws.com/h2o-public-test-data/smalldata/iris/iris.csv")
     from h2o.estimators.glm import H2OGeneralizedLinearEstimator
     predictors = iris_df.columns[0:4]
     response_col = "C5"
     train,valid,test = iris_df.split_frame([.7,.15], seed =1234)
     glm_model = H2OGeneralizedLinearEstimator(family="multinomial")
     glm_model.train(predictors, response_col, training_frame = train, validation_frame = valid)
     h2o.download_pojo(glm_model, path = '/Users/your_user_name/Desktop/', get_jar = True)

同样，你需要更换your_user_name (假设你使用的是mac)

(可能发生的情况:第一次使用h2o.save_model将H2O模型保存到磁盘时，在运行原始h2o集群的位置创建了一个目录(检查您是否从不同的位置连接到h2o集群)，第二次尝试使用download_pojo保存模型时，它查看了您的当前目录，发现其中不存在'pojo_test2‘。

当您运行h2o.save_model时，它将打印出它创建新目录的完整路径。查看该路径是否与当前目录相同。