Fasttext - 模型保存和加载

1 课程概览

本课讲解 Fasttext 模型保存和加载。模型训练耗时（如自动调参 1 小时），如果不保存，下次用又要重新训练。保存用 save_model，加载用 load_model。加载后可以继续预测。Fasttext API 总结：predict 预测、test 测试、save_model 保存、load_model 加载。

2 核心概念与定义

save_model：保存模型。
load_model：加载模型。
模型复用：训练一次，保存后多次加载使用。

3 模型与算法详解

为什么需要保存模型？

模型训练耗时，不保存下次又要重新训练。

自动调参可能 1 小时
不保存下次又要重新训练
保存后直接加载使用

模型保存和加载流程

1. 获取训练好的模型
2. 保存模型（save_model）
3. 加载模型（load_model）
4. 使用加载的模型进行预测

Fasttext API 总结

API	作用
`train_supervised`	训练有监督模型
`predict`	预测
`test`	测试评估
`save_model`	保存模型
`load_model`	加载模型

模型文件后缀

后缀名无所谓，可以是 .bin、.pth、.pkl 等。

Fasttext 默认 .bin
后缀名无所谓

4 数学原理与推导

模型保存

将模型参数序列化到文件。

$$\text{file} = \text{serialize}(\theta)$$

模型加载

从文件反序列化模型参数。

$$\theta = \text{deserialize}(\text{file})$$

5 代码示例

import fasttext
import os


def dm09_save_load():
    """模型保存和加载"""
    # 1. 获取训练好的模型
    print("1. 训练模型...")
    model = fasttext.train_supervised(
        input="data/cooking_pre_train.txt",
        epoch=30,          # 训练轮数
        lr=1.0,            # 学习率
        wordNgrams=2       # n-gram 特征
    )
    
    # 2. 保存模型
    print("2. 保存模型...")
    # 创建 model 目录（如果不存在）
    os.makedirs("model", exist_ok=True)
    model.save_model("model/fasttext_model.bin")
    print("模型已保存到 model/fasttext_model.bin")
    
    # 3. 加载模型
    print("3. 加载模型...")
    model2 = fasttext.load_model("model/fasttext_model.bin")
    print("模型已加载")
    
    # 4. 使用加载的模型进行预测
    print("4. 使用加载的模型进行预测...")
    result = model2.predict(
        "Which baking dish is best to bake a banana bread ?",
        k=3,              # 预测 3 个标签
        threshold=0.5     # 阈值
    )
    
    print(f"预测结果: {result}")
    
    # 5. 评估
    metrics = model2.test("data/cooking_pre_validate.txt")
    print(f"Precision@1: {metrics[1]}")
    print(f"Recall@1: {metrics[2]}")
    
    return model2


# 测试
if __name__ == "__main__":
    print("=== 模型保存和加载 ===")
    model = dm09_save_load()

代码说明

代码	说明
`model.save_model("model/fasttext_model.bin")`	保存模型
`fasttext.load_model("model/fasttext_model.bin")`	加载模型
`model2.predict(...)`	使用加载的模型预测
`os.makedirs("model", exist_ok=True)`	创建 model 目录