如何在Python中保存和加载模型？

在Python中，保存和加载模型是非常常见的任务，特别是在训练过程中或需要复用模型的时候。以下是两种常见的方式：

1. **使用pickle模块**：`pickle`模块可以序列化Python对象，包括模型对象。例如，如果你有一个名为`model`的模型，可以这样做：

   import pickle
   with open('model.pkl', 'wb') as file:
       pickle.dump(model, file)

要加载模型，只需反向操作：

   with open('model.pkl', 'rb') as file:
       loaded_model = pickle.load(file)

2. **使用joblib库（scikit-learn推荐）**：`joblib`是scikit-learn的一部分，专为大型数据和模型设计，它提供了更高效且内存友好的模型保存和加载功能：

   from joblib import dump, load
   dump(model, 'model.joblib')
   loaded_model = load('model.joblib')

3. **使用TensorFlow/Keras的save()和load()函数**：
对于TensorFlow或Keras模型，你可以使用`tf.keras.models.save_model()` 和 `tf.keras.models.load_model()` 来保存和加载模型及其权重：

   model.save('my_model.h5')
   loaded_model = tf.keras.models.load_model('my_model.h5')