Метод сохранения модели XGBoost, упомянутый в в этом ответе , решил проблему совместимости с использованием моей модели XGBoost в Google ML Engine.Я также хотел бы загрузить и повторно использовать такую модель в конвейере Dataflow, но метод Booster().load_model() принимает либо строку для пути к файлу, либо буфер ввода-вывода.
Как загрузить модель XGBoost, хранящуюся в облачном хранилище Googleдля использования в конвейере Dataflow с использованием Booster().load_model()?
Обратите внимание: форматы joblib и pickle не работают для меня, так как после загрузки модели во время выполнения Dataflow она не работает должным образом.Способ сброса модели, как было упомянуто, решал проблему совместимости в движке ML, но теперь я не знаю, как его загрузить конвейер потока данных?