def load_encoder(encoder_file: str):
encoder = DatasetEncoder.load_encoder(encoder_file)
encoder = DatasetEncoder.load_attribute(encoder, encoder_file,
"model_path")
return encoder
def export_encoder(path: str, encoder) -> str:
encoder_file = DatasetEncoder.store_encoder(encoder,
path + "encoder.pickle")
return encoder_file
def load_encoder(encoder_file: str):
encoder = DatasetEncoder.load_encoder(encoder_file)
for attribute in ["scaler_path", "vectorizer_path"]:
encoder = DatasetEncoder.load_attribute(encoder, encoder_file, attribute)
return encoder
def load_encoder(encoder_file: str):
encoder = DatasetEncoder.load_encoder(encoder_file)
encoder.relevant_indices_path = DatasetEncoder.load_attribute(encoder, encoder_file, "relevant_indices_path")
encoder.comparison_data = UtilIO.import_comparison_data(os.path.dirname(encoder_file) + '/')
return encoder
def export_encoder(path: str, encoder) -> str:
encoder_file = DatasetEncoder.store_encoder(encoder, path + "encoder.pickle")
UtilIO.export_comparison_data(encoder.comparison_data, path)
return encoder_file
def load_encoder(encoder_file: str):
encoder = DatasetEncoder.load_encoder(encoder_file)
encoder.comparison = UtilIO.import_comparison_data(
f"{os.path.dirname(encoder_file)}/")
return encoder