Contents - ONNX 开放神经网络交换 Menu - ONNX 开放神经网络交换 Expand - ONNX 开放神经网络交换 Light mode - ONNX 开放神经网络交换 Dark mode - ONNX 开放神经网络交换 Auto light/dark, in light mode - ONNX 开放神经网络交换 Auto light/dark, in dark mode - ONNX 开放神经网络交换 跳到正文
sklearn-onnx 1.18.0 文档
Logo
sklearn-onnx 1.18.0 文档
  • 介绍
  • 教程
    • 简单示例
      • 训练和部署 scikit-learn 管道
      • 基准测试 ONNX 转换
      • 什么是 opset 版本号?
      • 一个模型,多种可能的转换选项
      • 选择合适的分类器输出
      • 转换时禁用(黑名单)的操作符
      • 切换到浮点数时的问题
      • 中间结果与研究
      • 在一个 ONNX 图中存储数组
      • 将 Dataframe 作为输入
      • 修改 ONNX 图
    • 使用其他库的转换器
      • 转换包含 LightGBM 分类器的管道
      • 转换包含 LightGBM 回归器的管道
      • 转换包含 XGBoost 模型的管道
      • 转换包含 CatBoost 分类器的管道
    • 自定义模型的自定义转换器
      • 实现新的转换器
      • 实现转换器的两种方式
      • FunctionTransformer 的问题
      • 使用其他转换器实现新的转换器
      • 带选项的新转换器
      • 通过添加解析器改变输出数量
    • 高级场景
      • 转换 CountVectorizer 或 TfidfVectorizer 时的棘手问题
      • TfIdf 和稀疏矩阵
      • WOE 转换器
    • 为其他库编写转换器
      • pyod.models.iforest.IForest 转换器
  • API 摘要
  • 示例图库
    • 元数据
    • ONNX 的 ONNX Runtime 后端
    • 绘制管道图
    • 日志记录,详细模式
    • 概率或原始得分
    • 训练、转换和预测模型
    • 将 ONNX 节点附加到已转换模型
    • 研究管道
    • 比较 CDist 与 scipy
    • 转换包含 LightGbm 模型的管道
    • 向量形式的概率或 ZipMap 形式的概率
    • 使用精简操作符列表转换模型
    • 用于 NMF 分解的自定义操作符
    • StandardScaler 的差异
    • 基准测试管道
    • 转换包含 XGBoost 模型的管道
    • GaussianProcessorRegressor 的差异:使用双精度浮点数
    • onnxruntime 错误
    • 试用 ONNX 操作符
    • 转换模型的不同方式
    • 转换包含 ColumnTransformer 的管道
    • 使用 ONNX 的 TfIdfVectorizer
    • 逐步查看中间输出
    • 当自定义模型既不是分类器也不是回归器时(备选)
    • 当自定义模型既不是分类器也不是回归器时
    • 为你自己的模型编写自己的转换器
  • 转换管道
  • 带选项的转换器
  • 支持的 scikit-learn 模型
回到顶部
查看此页

使用其他库的转换器¶

在开始编写我们自己的转换器之前,我们可以使用 sklearn-onnx 之外的其他库中提供的转换器。onnxmltools 实现了针对 xgboost 和 LightGBM 的转换器。以下示例展示了当模型作为管道的一部分时如何使用这些转换器。

  • 转换包含 LightGBM 分类器的管道
  • 转换包含 LightGBM 回归器的管道
  • 转换包含 XGBoost 模型的管道
  • 转换包含 CatBoost 分类器的管道
下一页
转换包含 LightGBM 分类器的管道
上一页
修改 ONNX 图
版权所有 © 2018-2025, Microsoft
使用 Sphinx 和 @pradyunsg 的 Furo 制作