Theano 的 pkl_utils 转储功能在 Theano 0.7 中不可用？
Theano's pkl_utils Dump Function not available in Theano 0.7?
我想保存我训练过的模型。
由于它使用共享变量（如权重、偏差等），并且它应该在没有安装 Theano 的机器上可读，所以我想使用 theano.misc.pkl_utils.dump() 函数。
然而，它似乎只安装在前沿安装中（当前的 github 文件看起来与我本地的不同）。
真的是这样吗？为什么docs中的描述是？
我正在使用 theano 0.7.0，我对此感到非常困惑。
如果该功能尚不可用（我现在无法安装 bleeding edge），还有什么其他方法？我敢肯定，我不是唯一一个尝试以最简单的方式保存经过训练的模型的人 ;-)
非常感谢，
罗马
如果您使用 Theano 训练您的模型，模型的参数最终将是 shared 个变量（如果网络包含多个层，则可能是 shared 个变量的列表）。可以 pickle shared 变量列表，然后 unpickle 。但是，您可能无法在另一台机器上 unpickle 此类变量，例如没有安装 Theano，或者如果您在生成 CudaNdarrays 的支持 GPU 的机器上进行训练，然后您想在不支持 GPU 的机器上加载模型。我向您推荐的是：将参数列表的每个共享变量转换为 numpy ndarray:
params_numpy = [numpy.asarray(p.get_value()) for p in params]
其中 params 是 shared 变量的列表。然后你可以安全地 pickle/unpickle params_numpy.
我想保存我训练过的模型。 由于它使用共享变量（如权重、偏差等），并且它应该在没有安装 Theano 的机器上可读，所以我想使用 theano.misc.pkl_utils.dump() 函数。 然而，它似乎只安装在前沿安装中（当前的 github 文件看起来与我本地的不同）。
真的是这样吗？为什么docs中的描述是？
我正在使用 theano 0.7.0，我对此感到非常困惑。 如果该功能尚不可用（我现在无法安装 bleeding edge），还有什么其他方法？我敢肯定，我不是唯一一个尝试以最简单的方式保存经过训练的模型的人 ;-)
非常感谢，
罗马
如果您使用 Theano 训练您的模型，模型的参数最终将是 shared 个变量（如果网络包含多个层，则可能是 shared 个变量的列表）。可以 pickle shared 变量列表，然后 unpickle 。但是，您可能无法在另一台机器上 unpickle 此类变量，例如没有安装 Theano，或者如果您在生成 CudaNdarrays 的支持 GPU 的机器上进行训练，然后您想在不支持 GPU 的机器上加载模型。我向您推荐的是：将参数列表的每个共享变量转换为 numpy ndarray:
params_numpy = [numpy.asarray(p.get_value()) for p in params]
其中 params 是 shared 变量的列表。然后你可以安全地 pickle/unpickle params_numpy.