如果要保存不带嵌入模型的BERTopic模型，可以运行以下命令：

from bertopic import BERTopic
from sklearn.datasets import fetch_20newsgroups
from sentence_transformers import SentenceTransformer

docs = fetch_20newsgroups(subset='all',  remove=('headers', 'footers', 'quotes'))['data']

# Train the model
embedding_model = SentenceTransformer("all-MiniLM-L6-v2")
topic_model = BERTopic(embedding_model=embedding_model)
topics, probs = topic_model.fit_transform(docs)

# Save the model without the embedding model
topic_model.save("my_model", save_embedding_model=False)

如果您未在BERTopic中使用任何cuML子模型，这应可防止GPU/CPU出现任何问题。
看到一些修复，建议保存模型没有其嵌入模型，但不想重新训练一个重新保存，除非它的最后一个选项，也希望有人可以解释什么是这个嵌入模型和引擎盖下发生了什么。
嵌入模型通常是一个预先训练的模型，实际上并不从输入数据中学习。有一些选项可以让它在训练过程中学习，但这需要BERTopic中的自定义组件。换句话说，当您使用预先训练的模型时，在保存主题模型时删除该预先训练的模型是没有问题的，因为不需要重新训练模型。
换句话说，我们首先在GPU环境中保存主题模型，而不保存嵌入模型：

topic_model.save("my_model", save_embedding_model=False)

然后，我们将保存的BERTopic模型加载到CPU环境中，然后传递预训练的嵌入模型：

from sentence_transformers import SentenceTransformer

embedding_model = SentenceTransformer("all-MiniLM-L6-v2")
topic_model = BERTopic.load("my_model", embedding_model=embedding_model )

您可以了解更多关于嵌入模型here的角色。