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
    • 简单情况
      • 训练和部署scikit-learn流水线
      • 基准测试ONNX转换
      • 什么是opset编号?
      • 一个模型,多种可能的带选项转换
      • 选择分类器的合适输出
      • 转换时列入黑名单的运算符
      • 切换到浮点类型时的问题
      • 中间结果和调查
      • 将数组存储在一个onnx图中
      • 将Dataframe作为输入
      • 修改ONNX图
    • 使用其他库的转换器
      • 转换包含LightGBM分类器的流水线
      • 转换包含LightGBM回归器的流水线
      • 转换包含XGBoost模型的流水线
      • 转换包含CatBoost分类器的流水线
    • 为自定义模型编写自定义转换器
      • 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
      • 通过添加解析器更改输出数量
    • 高级场景
      • 转换CountVectorizer或TfidfVectorizer时的棘手问题
      • TfIdf和稀疏矩阵
      • WOE的转换器
    • 为其他库编写转换器
      • pyod.models.iforest.IForest的转换器
  • API摘要
  • 示例画廊
    • 元数据
    • ONNX的ONNX Runtime后端
    • 绘制流水线
    • 日志记录,详细模式
    • 概率或原始分数
    • 训练、转换和预测模型
    • 将onnx节点附加到已转换模型
    • 调查流水线
    • 将CDist与scipy进行比较
    • 转换包含LightGbm模型的流水线
    • 概率作为向量或ZipMap
    • 转换只包含精简运算符列表的模型
    • NMF分解的自定义运算符
    • StandardScaler的差异
    • 基准测试流水线
    • 转换包含XGBoost模型的流水线
    • GaussianProcessorRegressor的差异:双精度浮点数的使用
    • onnxruntime的错误
    • 玩转ONNX运算符
    • 转换模型的不同方式
    • 转换包含ColumnTransformer的流水线
    • 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(替代方案)
    • 当自定义模型既不是分类器也不是回归器时
    • 为自己的模型编写自己的转换器
  • 转换流水线
  • 带选项的转换器
  • 支持的scikit-learn模型
返回顶部
查看此页面

高级场景¶

可能会出现意外的差异。这是一系列包含问题和已解决问题的示例。

  • 转换CountVectorizer或TfidfVectorizer时的棘手问题
  • TfIdf和稀疏矩阵
  • WOE的转换器
下一页
转换CountVectorizer或TfidfVectorizer时的棘手问题
上一页
通过添加解析器更改输出数量
版权所有 © 2018-2025, Microsoft
使用Sphinx和@pradyunsg的Furo制作