sklearn-onnx：将你的 scikit-learn 模型转换为 ONNX

sklearn-onnx 使你能够将 scikit-learn 工具包中的模型转换为 ONNX。

• 简介
• 教程
• API 摘要
• 示例图库
• 转换流水线
• 带选项的转换器
• 支持的 scikit-learn 模型

问题、疑问

你应该查看现有问题或提交新问题。源码可在 onnx/sklearn-onnx 上找到。

ONNX 版本

该转换器可以为特定版本的 ONNX 转换模型。每个 ONNX 版本都标有由函数 onnx_opset_version 返回的 opset 号。如果转换模型时未指定目标 opset 参数（参数 target_opset），该函数将返回默认值。每个算子都有版本控制。该库为每个算子选择低于或等于目标 opset 号的最新版本。ONNX 模型为每个算子域设置一个 opset 号，该值是所有 ONNX 节点中的最大 opset 号。

<<<

from skl2onnx import __max_supported_opset__, __version__

print("documentation for version:", __version__)
print("Last supported opset:", __max_supported_opset__)

>>>

    documentation for version: 1.18.0
    Last supported opset: 21

后端

sklearn-onnx 将模型转换为 ONNX 格式，然后可以使用你选择的后端计算预测结果。然而，存在一种使用 onnxruntime、onnxruntime-gpu 自动检查每个转换器的方法。每个转换器都使用此后端进行测试。

入门

import numpy as np
from sklearn.datasets import load_iris
from sklearn.model_selection import train_test_split
from sklearn.ensemble import RandomForestClassifier

iris = load_iris()
X, y = iris.data, iris.target
X = X.astype(np.float32)
X_train, X_test, y_train, y_test = train_test_split(X, y)
clr = RandomForestClassifier()
clr.fit(X_train, y_train)

# Convert into ONNX format.
from skl2onnx import to_onnx

onx = to_onnx(clr, X[:1])
with open("rf_iris.onnx", "wb") as f:
    f.write(onx.SerializeToString())

# Compute the prediction with onnxruntime.
import onnxruntime as rt

sess = rt.InferenceSession("rf_iris.onnx", providers=["CPUExecutionProvider"])
input_name = sess.get_inputs()[0].name
label_name = sess.get_outputs()[0].name
pred_onx = sess.run([label_name], {input_name: X_test.astype(np.float32)})[0]

相关转换器

sklearn-onnx 仅转换来自 scikit-learn 的模型。onnxmltools 可用于转换 libsvm、lightgbm、xgboost 的模型。其他转换器可在 github/onnx、torch.onnx、ONNX-MXNet API、Microsoft.ML.Onnx 等处找到。

更新日志

请参阅 CHANGELOGS.md。

致谢

该软件包由微软以下工程师和数据科学家自 2017 年冬季开始开发：Zeeshan Ahmed, Wei-Sheng Chin, Aidan Crook, Xavier Dupré, Costin Eseanu, Tom Finley, Lixin Gong, Scott Inglis, Pei Jiang, Ivan Matantsev, Prabhat Roy, M. Zeeshan Siddiqui, Shouheng Yi, Shauheen Zahirazami, Yiwen Zhu, Du Li, Xuan Li, Wenbing Li。

许可证

它采用 Apache 许可证 v2.0 授权。

旧版本

• 1.17.0

• 1.16.0