通过自定义Python模块使用固化的深度学习模型去做预测
由cj504076367创建，最终由cj504076367 被浏览 29 用户
导语
当用户训练出具有一定意义的深度学习模型的时候，把训练得到的模型固化到本地可以方便以后的调用，关于如何固化深度学习模型，请移步这里，一般来说，固化深度学习模型是为了节省下一次训练重跑的时间，除此之外，被固化的模型还具有更复杂的使用方法。
本篇文章主要目的是为了讲述如何在一个自定义Python模块去调取被固化的深度学习模型，并且使用这些模型去做预测。需要注意的是，调取模型和做预测这两个流程都将在自定义Python中实现，不需要再新建其他的模块。
操作步骤
这里用一个简单的StockRanker多因子选股策略作为例子，来讲一讲具体怎么调取需要的模型，并且使用这些模型去做新的预测，我们举这个例子只是为了说明这个方法是如何使用的，各位学员掌握了方法之后还可以举一反三，去思考其更多的使用方法。假定我们的固化模型为 'model_stockranker1', 'model_stockranker2', 'model_stockranker3', 'model_stockranker4' 这四个模型。
第一步，从左侧工具栏拖出自定义Python模块到画布中，点击此模块打开属性栏，打开属性栏中的主函数。可以看到，默认的主函数里面的代码如下：
第二步，修改主函数里面的代码，修改之后如下：
详细的代码标注已经放在图片里面。我们可以看到，修改后的代码逻辑大概为，依次导入固化模型，然后调用预测函数，把固化模型和需要预测的数据集放到预测函数里面，算出预测值为score，最后把所有score放入一个列表里面，并返回该列表作为主函数的最终输出值。
注意事项
需要注意的是，我们这里新建的自定义Python模块是为了做预测的，因此必须导入用来预测的数据集。我们可以看到在上述例子中，第12行代码就是用来导入要预测的数据集的：
data=input_1, # 导入input_1作为要预测的数据集使用
画布中如下显示：
可以看到，我们的m4自定义Python模块和上面的m14缺失数据处理模块连接起来，用来导入数据。
https://bigquant.com/experimentshare/ee434b208ba541a5b502405866300f50
\