将模型保存到kaggle中的model中

🔑 步骤 1：在 Kaggle 创建一个模型版本

你可以通过代码直接上传模型到 Kaggle 的 Model 页面，这样即使关闭 Notebook，模型也不会丢失。

🧪 示例：用 kaggle 命令行 API 保存模型

✅ 第一步：安装 kaggle API

!pip install kaggle

✅ 第二步：配置 kaggle.json

你需要先下载你的 Kaggle API Token，然后上传到 Notebook（通常会自动上传到 /root/.kaggle/kaggle.json）。

如果你没看到，可以手动上传并执行：

import os



os.makedirs('/root/.kaggle', exist_ok=True)

os.system('cp kaggle.json /root/.kaggle/')

os.system('chmod 600 /root/.kaggle/kaggle.json')

✅ 第三步：保存你的模型文件（如 .pkl, .h5, .pt, .joblib）

假设你已经训练好了模型，并保存为 model.pkl：

import joblib

# 或者用 pickle、torch.save 等方式保存模型

joblib.dump(model, 'model.pkl')

✅ 第四步：创建模型元数据并上传到 Kaggle Models

创建一个 model-metadata.json 文件，内容如下：

{

  "title": "My Awesome Model",

  "overview": "This is a description of my model.",

  "licenseName": "Apache 2.0"

}

然后执行命令上传：

!kaggle models init -m model-metadata.json

!kaggle models version -m model-metadata.json -p . -q

这会把当前目录下的所有文件（包括 model.pkl）打包上传到 Kaggle Model 页面。

✅ 第五步：查看你的模型

上传成功后，你可以在 Kaggle 的 Models 页面 找到你的模型，以后可以随时调用。

📦 下次怎么调用？

当你下次打开一个新的 Notebook，可以通过以下方式加载模型：

方法一：从 Kaggle Model 页面添加模型

点击右上角的 “Add Data” > “Add Model”，搜索你的模型并添加进来，它会被放在 /kaggle/input/your-model-name/ 路径中。

然后你可以加载模型：

import joblib

model = joblib.load('/kaggle/input/your-model-name/model.pkl')

🎯 总结一下保存流程：