Существует ли библиотека получения и установки параметров обработки данных ML, которая объединяет общие преобразователи/ ⇐ Python

[Anonymous]

В конвейере предварительной обработки данных машинного обучения этапы конвейера обычно сериализуются или сохраняются в виде пикселей или слоев в модели, чтобы их можно было снова загрузить позже для обслуживания или прогнозирования, тем самым сохраняя параметры преобразования/подгонки каждого шага. получено на основе исходных данных обучения.
Существует ли библиотека или подход Python, который вместо этого позволяет возвращать параметры или значения атрибутов настроек обработки в виде данных, тем самым обеспечивая возможность их сохранения, например в базе данных без необходимости сохранять весь объект?
Это позволит заново создавать этапы обработки для обслуживания/прогнозирования во время прогнозирования и настраивать их с использованием сохраненных параметров и загруженных значений атрибутов. из базы данных.
Я не могу найти ни одной библиотеки Python или оболочки существующих библиотек (например, tensorflow, scikit-learn, pytorch и т. д.), которая предоставляет API для сохранения и настройки параметров этапа конвейера.
Существует ли он?
Если нет, то почему?
Мне кажется, что было бы быть полезным для переносимости и абстрагирования от библиотеки реализации, а также для проверки и отладки этапов обработки.
Я рассмотрел sklearn get_attrs и set_attrs, но они становятся очень сложными, особенно там, где используются вложенные преобразования. используется, и его нужно пройти по дереву.
Я упускаю какую-то фундаментальную концепцию или что-то в этом роде?

Подробнее здесь: https://stackoverflow.com/questions/790 ... -wraps-com