• treelite验证报告
  • 1. treelite概览
  • 2. 验证xgboost模型
    • 2.1 构建xgboost模型
    • 2.2 构建库(.so)和相关头文件
    • 2.3 使用库

treelite验证报告

1. treelite概览

treelite 文档

source code

xgboost也是他们搞得，这个库应该是靠谱的。安装按照要求来就可以了。

2. 验证xgboost模型

参考自官方文档部署过程

2.1 构建xgboost模型

这里的模型是我们从python处理得到的xgboost模型。以此为输入，开始后面的c api使用过程。

2.2 构建库(.so)和相关头文件

import treelite
model = treelite.Model.load('your_model.model', 'xgboost')
platform = 'unix'
toolchain = 'gcc'
model.export_srcpkg(platform=platform, toolchain=toolchain,
                pkgpath='./mymodel.zip', libname='mymodel.so',
                verbose=True)

生成的mymodel.zip包含了我们需要的库和头文件了。官方文档应该是老版本的了，文档里显示的zip里的和最新的release版本不一样，不过没关系，稍微改下就可以了。

解压缩，并编译得到动态库和相关头文件。

2.3 使用库

这里的矩阵输入使用的是CSR模式wikipedia。文档写的已经是非常详细了。这里只需要按照他写的验证下输出是否是否一致就可以了。验证代码在145机器上的~/software/treelite/python/XGB_model下(这是一个回归模型)。结果和直接用python的xgboost包跑出来的结果一样，在输入为[[1.0, 1.0, 0.0, 1.0, 1.0, 0.8]]时的输出都为0.712207。在我的机器上运行时间平均为85us(Intel(R) Core(TM) i5-7500 CPU @ 3.40GHz).

部署的话只需要用上编译出来的一个.so以及.h就可以了。