Для типичной реализации машинного обучения я запускаю модели в кластере AWS EC2, а затем загружаю окончательные модели в виде файлов pickle. Затем я пытаюсь загрузить файл рассола на свой локальный диск и всегда получаю сообщение об ошибке.
Можно ли создавать файлы pickle и избегать конфликтов версий?
Изначально я установил python пакетов с помощью anaconda на свой экземпляр. Когда я попытался открыть рассол на локальном компьютере, я получил следующую ошибку:
ModuleNotFoundError: No module named 'sklearn.ensemble._weight_boosting'
Я также попытался найти способ его установки, но это не пакет.
Я предположил, что это версия anaconda отличается, поэтому я попытался использовать ту же версию на conda, но она также выдала ошибку (в случае, связанном с python версией пакетов).
Итак, на этот раз я повторил попытку после ручной установки python пакетов в кластере EC2, и я получил следующую ошибку:
XGBoostError: b'[13:05:48] src/gbm/gbm.cc:20: Unknown gbm type \n\nStack trace returned 7 entries:\n[bt] (0) 0 libxgboost.dylib 0x0000001a16abc806 dmlc::StackTrace() + 246\n[bt] (1) 1 libxgboost.dylib 0x0000001a16abc5bf dmlc::LogMessageFatal::~LogMessageFatal() + 47\n[bt] (2) 2 libxgboost.dylib 0x0000001a16b0d319 xgboost::GradientBooster::Create(std::__1::basic_string<char, std::__1::char_traits<char>, std::__1::allocator<char> > const&, std::__1::vector<std::__1::shared_ptr<xgboost::DMatrix>, std::__1::allocator<std::__1::shared_ptr<xgboost::DMatrix> > > const&, float) + 201\n[bt] (3) 3 libxgboost.dylib 0x0000001a16ab5710 xgboost::LearnerImpl::Load(dmlc::Stream*) + 1872\n[bt] (4) 4 libxgboost.dylib 0x0000001a16ad6034 XGBoosterLoadModelFromBuffer + 164\n[bt] (5) 5 libffi.6.dylib 0x0000000102852884 ffi_call_unix64 + 76\n[bt] (6) 6 ??? 0x00007ffeeeae60c0 0x0 + 140732902826176\n\n'
Можно ли создавать файлы pickle и избегать конфликтов версий?
Спасибо