XGBoost模型序列化反序列化问题：SageMaker训练本地加载报错

问题原因 #

你遇到的报错是因为Python的pickle序列化会保留XGBoost模型与训练环境绑定的底层信息，跨环境（SageMaker到本地）加载时，XGBoost底层的JSON解析逻辑无法识别这些环境相关内容，从而抛出解析错误。另外XGBoost官方并不推荐用pickle保存模型，更建议使用其自带的标准模型保存方式。

解决方案 #

步骤1：在SageMaker上重新保存模型 #

替换原pickle保存代码，使用XGBoost自带的save_model方法：

model.save_model('xgboost_model.model')

步骤2：本地匹配XGBoost版本 #

确保本地环境的XGBoost版本与SageMaker上完全一致（1.6.1），执行安装命令：

pip install xgboost==1.6.1

步骤3：本地加载模型 #

使用XGBoost的load_model方法加载标准格式的模型：

import xgboost as xgb

# 初始化Booster对象
loaded_model = xgb.Booster()
# 加载模型文件
loaded_model.load_model('xgboost_model.model')

额外说明 #

如果是SageMaker Pipeline中的XGBoost模型，要确保获取到的是原生XGBoost模型对象再执行save_model，避免保存Pipeline的封装对象引发其他问题。

内容的提问来源于stack exchange，提问作者Petr