在機器學習中，我們常常需要把訓練好的模型存儲起來，這樣在進行決策時直接將模型讀出，而不需要重新訓練模型，這樣就大大節約了時間。Python提供的pickle模塊就很好地解決了這個問題，它可以序列化對象並保存到磁盤中，並在需要的時候讀取出來，任何對象都可以執行序列化操作。
1.pickle.dump(obj, file, protocol=None, *, fix_imports=True)
【作用】將obj的pickled對象寫入打開的文件對象file中
obj：是需要序列化處理的對象
file：文件對象，必須有一個write（）方法，該方法接受一個字節參數。因此，它可以是爲二進制文件打開的文件對象寫入、io.BytesIO實例或其他自定義對象。
protocol：告訴pickler對象使用給定的協議，它能夠支持的協議有0、1、2、3、4。違約協議是3,爲Python 3設計的向後不兼容協議。貌似是爲了兼容性考慮的一個參數，不常用。
fix_imports：如果*fix_imports*爲真且協議小於3，pickle將嘗試將新的Python 3名稱映射到Python中使用的舊模塊名稱2，這樣pickle數據流可以用Python 2讀取。也是爲了兼容性考慮，這裏不做贅述了。默認設置可以達到兼容需求。
pickle.dumps(obj, protocol=None, *, fix_imports=True)
【作用】將對象的pickled表示形式（obj）返回爲bytes對象。
參數同pickle.dump方法
2.pickle.load(file, *, fix_imports=True, encoding='ASCII', errors='strict')
這裏並沒有protocol參數，這是因爲pickle的協議版本是自動檢測的，超過pickled對象的字節數表示將被忽略。
【作用】從存儲在文件中的pickle數據讀取並返回對象
file：必須有兩個方法，一個read(intNumber)方法和一個readline（）方法。兩個方法都應該返回字節，因此該參數可以是打開要讀取的二進制文件對象、io.BytesIO對象或任何符合條件的自定義對象。
fix_imports、encoding、errors：這三個參數可選，用於控制pickle流的兼容性支持。如果fix-imports爲真，pickle將嘗試將舊的Python 2名稱映射到Python 3中使用的新名稱。encoding、errors參數告訴pickle如何解碼8位字符串，默認解碼方式和容錯機制爲“ASCII”和“strict”。也是爲了兼容性考慮，不常用。
pickle.loads(data, *, fix_imports=True, encoding='ASCII', errors='strict')
【作用】從給定的pickle數據讀取並返回對象。
參數作用用法參照pickle.loads()方法。
（3）pickle.dumps(obj[, protocol])
函數的功能：將obj對象序列化爲string形式，而不是存入文件中。
參數講解：
- obj：想要序列化的obj對象。
- protocal：如果該項省略，則默認爲0。如果爲負值或HIGHEST_PROTOCOL，則使用最高的協議版本。
（4）pickle.loads(string)
函數的功能：從string中讀出序列化前的obj對象。
參數講解：
- string：文件名稱。
【注】 dump() 與 load() 相比 dumps() 和 loads() 還有另一種能力：dump()函數能一個接着一個地將幾個對象序列化存儲到同一個文件中，隨後調用load()來以同樣的順序反序列化讀出這些對象。