joblib.load __main__ AttributeError

joblib.load __main__ AttributeError

您要获得的特定异常是指中的属性

__main__

，但这主要是红色鲱鱼。我很确定问题实际上与您转储实例的方式有关。

Pickle不会转储实际的代码类和函数，仅转储其名称。它包含每个模块定义所在的模块的名称，因此可以再次找到它们。如果转储正在作为脚本运行的模块中定义的类，则它将转储该名称

__main__

作为模块名称，因为这就是Python用作主模块的名称（如

if__name__ == "__main__"

样板代码所示）。

当您

model.py

以脚本形式运行并腌制其中定义的类的实例时，该类将另存为

__main__.NeuralNetwork

而不是

model.NeuralNetwork

。当您运行其他模块并尝试加载pickle文件时，Python会在

__main__

模块中查找该类，因为这是pickle数据告诉它查找的地方。这就是为什么您会收到有关的属性的异常的原因

__main__

。

为了解决这个问题，您可能想要更改转储数据的方式。除了

model.py

可能作为脚本运行之外，您可能还应该运行其他一些模块并让它执行

importmodel

，因此您可以使用其正常名称来获取该模块。（我想您可以

model.py

将自己导入到一个

if __name__ =="__main__"

块中，但这非常丑陋和尴尬）。您可能还需要避免在

model

导入时无条件重新创建和转储实例，因为这在加载pickle文件时需要发生（并且我认为pickle的全部目的是避免从头开始重新创建实例）。

因此，从的底部删除转储逻辑

model.py

，并添加一个新文件，如下所示：

# new script, dump_model.py, does the creation and dumping of the NeuralNetworkfrom sklearn.externals import joblibfrom model import NeuralNetworkif __name__ == "__main__":    model = NeuralNetwork(input_dim=12, units=64)    joblib.dump(model, 'demo_model.pkl')

当您转储

NeuralNetwork

使用此脚本的脚本时，它将正确地

model

将类定义为该模块，因此加载代码将能够导入该模块并正确地创建该类的实例。

您当前针对该问题的“修复”（

NeuralNetwork

在

__main__

加载对象时在模块中定义一个空类）可能是一个不好的解决方案。从加载pickle文件中获得的实例将是新类的实例，而不是原始类。它将加载旧实例的属性，但不会设置任何方法或其他类变量（这与您显示的类无关，但可能适用于任何类型的更复杂的对象）。