我尝试使用 model.save(<filepath>) 保存 Vowpal Wabbit 模型。但是当我重新加载模型时（使用-i <filepath> 标志），模型超参数如power_t 和initial_t 不一样（它们被重新初始化）。保存的文件在我看来也比它应该的小一点（不确定它是否被压缩）。
这是反直觉的：为什么.save() 方法不保存完整的模型？是否有其他保存方法来保存 FULL 模型？
【问题讨论】：
标签： save vowpalwabbit
power_t 和 initial_t 仅与训练相关。当只是做预测时，它们是不需要的。默认情况下，当保存模型时，大众假定它仅在加载时用于预测。如果您打算从加载的模型继续训练，那么当您初始化 VW 时，您需要指定 --save_resume 以便将额外的状态存储在模型中。这包括power_t 和initial_t（保存到不同的变量 t 中）。
【讨论】：
model.save(<filepath>) 和非零 power_t 以及 adaptive、normalized 和 invariant 标志集保存。但是，当我将 --passes x 设置为 x > 1，它会产生不同的结果（学习不同的权重）
--passes相比吗？这是预期的，因为使用了多次传递，这意味着数据正在被多次训练。对数据进行多次传递肯定会导致学习不同的权重。
--passes 3 --save_resume 实例化一个 VW 模型。我训练模型。然后我使用--i <filepath> --save_resume --passes 3 在同一个会话中保存并加载模型（我现在应该有两个相同的模型）。我在另一个数据集（不同于第一个训练数据集）上进一步训练两个模型。在这一点上，我希望两个模型在测试集上产生相同的预测，但事实并非如此。但是，如果我在没有 --passes 的情况下运行此测试，它们确实会产生相同的预测。
passes 的概念在 pyvw 中的真正含义，因为我在 for 循环中逐个样本地训练模型样本。我刚刚问过这个here。