带选项的转换器¶

大多数转换器始终生成相同的转换模型，该模型计算与原始模型相同的输出。但是，其中一些转换器没有这样做，用户可能需要通过函数 convert_sklearn 或 to_onnx 向转换器提供其他信息来更改转换。每个选项最终都会创建一个不同的 ONNX 图。以下是启用此机制的模型列表。

GaussianProcessRegressor、NearestNeighbors¶

这两个模型都需要计算成对距离。函数 onnx_cdist 生成图的这一部分，但存在两种选项。第一个是使用 Scan 操作符，第二个是使用名为 CDist 的专用操作符，该操作符在 issue #2442 得到解决之前不属于常规的 ONNX 操作符。默认情况下，使用 Scan，可以通过以下方式使用 CDist：

options={GaussianProcessRegressor: {'optim': 'cdist'}}

上一行启用了每个 GaussianProcessRegressor 模型的优化，但只能通过以下方式对一个模型进行优化：

options={id(model): {'optim': 'cdist'}}

TfidfVectorizer、CountVectorizer¶

skl2onnx.operator_converters.text_vectoriser.convert_sklearn_text_vectorizer(scope: Scope, operator: Operator, container: ModelComponentContainer)[source]¶

类 TfidfVectorizer 的转换器。当前的实现正在开发中，ONNX 版本不会产生完全相同的结果。转换器允许用户更改其某些参数。

其他选项¶

tokenexp：字符串: 默认值将在 1.6.0 版本中更改为 true。分词器使用此正则表达式或 scikit-learn 指定的正则表达式（如果值为空字符串）进行分词。另请参见下面的注释。默认值：None
separators：分隔符列表: 这些分隔符用于将字符串拆分为单词。如果选项 tokenexp 不为 None，则忽略选项 separators。默认值：[' ', '[.]', '\\?', ',', ';', ':', '\\!']。
locale: scikit-对象中未提及区域设置。此选项可用于更改 ONNX 操作符 StringNormalizer 的参数 locale 的值。

示例（来自使用 ONNX 的 TfIdfVectorizer）

seps = {TfidfVectorizer: {"separators": [' ', '[.]', '\\?', ',', ';',
                                         ':', '!', '\\(', '\\)',
                                         '\n', '\\"', "'", "-",
                                         "\\[", "\\]", "@"]}}
model_onnx = convert_sklearn(pipeline, "tfidf",
                             initial_types=[("input", StringTensorType([None, 2]))],
                             options=seps)

分词器的默认正则表达式为 (?u)\\b\\w\\w+\\b（参见 re）。此表达式可能不受处理后端的库支持。onnxruntime 使用 re2。您可能需要切换到基于 re2 的 python 包装器或其源代码 pyre2（语法）的自定义分词器。如果未指定正则表达式，并且 TfidfVectorizer 的实例使用默认模式 (?u)\\b\\w\\w+\\b，则将其替换为 [a-zA-Z0-9_]+。任何其他情况都必须手动处理。

如果 analyser=='char'，则正则表达式 [^\\\\n] 用于将句子拆分为字符（并且不起作用）。模式 analyser=='char_wb' 未实现。

分类器¶

分类器的转换器实现了多个选项。

ZipMap¶

操作符 ZipMap 生成一个字典列表。它重复类名或 ID，但这不是必需的（参见 issue #2149）。默认情况下，会添加 ZipMap 操作符，可以通过以下方式停用它：

options={type(model): {'zipmap': False}}

它由 PR 327 实现。

类信息¶

类信息通常在进行分类的 ONNX 操作符和 ZipMap 操作符的输出中重复（参见 issue 2149）。以下选项可以删除 ONNX 操作符中的字符串信息和类 ID，以获得更小的模型。

options={type(model): {'nocl': True}}

类将替换为从 0 到类数的整数。

原始分数¶

几乎所有分类器都进行转换以获取概率而不是原始分数。这是默认行为。可以通过使用选项停用它：

options={type(model): {'raw_scores': True}}

它由 PR 308 实现。

可拾取性和管道¶

建议的指定选项的方式并不总是可拾取的。函数 id(model) 取决于执行，并且将选项映射到一个类可能不足以自定义转换。但是，可以使用与在 scikit-learn 管道中引用参数相同的方式来指定选项，方法是使用 get_params 方法。支持以下语法：

pipe = Pipeline([('pca', PCA()), ('classifier', LogisticRegression())])

options = {'classifier': {'zipmap': False}}

或者

options = {'classifier__zipmap': False}

选项应用于一个模型，而不是一个管道，因为转换器会将管道结构替换为单个 onnx 图。遵循此规则，如果应用于管道和管道的最后一步，则选项 zipmap 将不会有任何影响。但是，因为转换应该是什么没有歧义，所以对于选项 zipmap 和 nocl，以下选项将具有相同的效果：

pipe = Pipeline([('pca', PCA()), ('classifier', LogisticRegression())])

options = {id(pipe.steps[-1][1]): {'zipmap': False}}
options = {id(pipe): {'zipmap': False}}
options = {'classifier': {'zipmap': False}}
options = {'classifier__zipmap': False}