TabularPredictor.delete_models

TabularPredictor.delete_models(models_to_keep=None, models_to_delete=None, allow_delete_cascade=False, delete_from_disk=True, dry_run=True)[source]

从predictor中删除模型。 这对于最小化内存使用和磁盘使用特别有帮助，尤其是在模型部署时。 这将删除predictor中所有对模型的引用。

例如，移除的模型不会出现在predictor.leaderboard()中。

WARNING: If delete_from_disk=True, this will DELETE ALL FILES in the deleted model directories, regardless if they were created by AutoGluon or not.

不要在与AUTOGLUON无关的模型目录中存储文件。

Parameters:

  • models_to_keep (str 或 list, 默认 = None) – 不删除的模型名称或模型列表。 所有未指定且也不作为models_to_keep中任何模型的依赖项的模型将被删除。 指定models_to_keep=’best’以仅保留最佳模型及其模型依赖项。 如果设置了models_to_keep，则models_to_delete必须为None。 要查看可能的模型名称列表，请使用：predictor.model_names() 或 predictor.leaderboard()。

  • models_to_delete (str 或 list, 默认 = None) – 要删除的模型名称或模型列表。 所有未指定但依赖于models_to_delete中模型的模型也将被删除。 如果设置了models_to_delete，则models_to_keep必须为None。

  • allow_delete_cascade (bool, default = False) –

    如果 False，如果未指定 models_to_delete 中的模型的依赖模型存在，则会引发异常而不是进行删除。

    依赖模型的一个例子是 m1，如果 m2 是一个堆叠模型并且将 m1 的预测作为输入。在这种情况下，m1 将是 m2 的依赖模型。

    如果 True，models_to_delete 中的所有模型的依赖模型都将被删除。 如果 models_to_delete=None，则无效。

  • delete_from_disk (bool, default = True) –

    如果True，则从磁盘删除已持久化的模型。 警告：这将删除已删除模型的整个目录，以及位于该目录中的所有文件。

    强烈建议首先使用dry_run=True运行，以了解将删除哪些目录。

  • dry_run (bool, default = True) – 如果为True，则不会执行删除操作，并且会打印日志语句描述将会发生的操作。 设置dry_run=False以执行删除操作。