部署Streamlit应用共享时出现sklearn模型相关报错如何解决？

核心原因 #

该类报错90%以上是本地训练模型的scikit-learn版本与Streamlit部署环境的scikit-learn版本不匹配导致的序列化模型加载失败。

具体解决步骤 #

• 首先在本地开发环境终端执行命令pip show scikit-learn，查询本地训练时使用的scikit-learn具体版本号。
• 在项目根目录新增requirements.txt文件，明确指定所有依赖的版本，需保证scikit-learn的版本和本地查询到的完全一致，示例内容如下：

streamlit==1.28.0
pandas==2.1.3
numpy==1.24.3
scikit-learn==1.3.2 # 此处替换为你本地查询到的实际版本号
joblib==1.3.2

• 检查模型加载代码，优先使用joblib进行模型的序列化与反序列化操作，避免原生pickle的兼容性问题，示例代码：

import joblib

# 加载模型代码
loan_model = joblib.load("你的模型文件名.pkl")

• 若修改后仍报错，在本地scikit-learn版本和requirements.txt指定版本一致的前提下，重新导出训练好的模型，替换仓库中旧的模型文件。
• 检查模型文件是否完整上传到代码仓库：若模型文件大小超过100M，需使用Git LFS上传，否则文件会被截断无法正常加载。
• 所有修改推送至代码仓库后，触发Streamlit平台重新部署即可。

内容的提问来源于stack exchange，提问作者Tshering Tashi