Alles sieht gut aus, es sieht nur so aus, als müssten Sie den verwendeten path
ändern.
Verwenden Sie anstelle des Verzeichnisses, das h2o.save_model
erstellt wurde, ein Verzeichnis, von dem Sie wissen, dass es existiert und für das Sie den Pfad kennen. Als ersten Test können Sie nur auf Ihrem Desktop speichern, zum Beispiel
h2o.download_pojo(model_rf, path = '/Users/your_user_name/Desktop/', get_jar = True)
verwenden, wo Sie your_user_name ersetzen müssen (dies wird vorausgesetzt, Sie einen Mac verwenden)
Hier ist ein Beispiel, das Sie von Grund auf neu versuchen können, (Abschaltung h2o zuerst mit h2o.cluster().shutdown()
import h2o
h2o.init()
iris_df = h2o.import_file("https://s3.amazonaws.com/h2o-public-test-data/smalldata/iris/iris.csv")
from h2o.estimators.glm import H2OGeneralizedLinearEstimator
predictors = iris_df.columns[0:4]
response_col = "C5"
train,valid,test = iris_df.split_frame([.7,.15], seed =1234)
glm_model = H2OGeneralizedLinearEstimator(family="multinomial")
glm_model.train(predictors, response_col, training_frame = train, validation_frame = valid)
h2o.download_pojo(glm_model, path = '/Users/your_user_name/Desktop/', get_jar = True)
wieder, wo Sie brauchen your_user_name
zu ersetzen (dies wird vorausgesetzt, Sie einen mac verwenden)
(was passiert sein könnte: Es sieht so aus, als ob Sie zum ersten Mal ein H2O-Modell mit h2o.save_model
auf dem Datenträger gespeichert haben, an dem Ort, an dem Sie den ursprünglichen h2o-Cluster betrieben haben, ein Verzeichnis (prüfen Sie, ob Sie von verschiedenen Standorten aus einen h2o-Cluster herstellen) und das zweite Mal, als Sie versuchten, das Modell mit download_pojo
zu speichern, schaute es auf Ihr aktuelles Verzeichnis und sah, dass "pojo_test2" dort nicht existierte.
Wenn Sie h2o.save_model
ausführen, wird der vollständige Pfad zum Erstellen eines neuen Verzeichnisses gedruckt. Sehen Sie, ob dieser Pfad mit Ihrem aktuellen Verzeichnis übereinstimmt.