coremltools 为 xgboost 模型生成大量输入答案

【问题标题】：coremltools produces a lot of inputs for xgboost modelcoremltools 为 xgboost 模型生成大量输入
【发布时间】：2021-09-13 21:57:57
【问题描述】：

我正在使用 python 在 coremltools 工具中进行从 xgboost 到 coreml 的转换，但它为 coreml 模型生成 n 个单独的输入（而不是单个输入数组）。

我该如何解决？

【问题讨论】：

标签： xgboost coreml coremltools

【解决方案1】：

上周我遇到了同样的问题，但我找不到合适的解决方案来解决这个问题。我相信当我写这篇文章的时候，没有办法正确处理大量的输入。

在我的例子中，模型预计会有超过 1000 个输入（命名为 f0、f1、f2，...），因为我扁平化了一些图像特征来训练提升算法。我发现唯一的解决方法是编写一个简短的 python sn-p 来生成要复制/粘贴到 XCode 中的字符串。例如，在我的例子中，包含 CoreML 模型输入的数组被命名为 stackedFeatures，并且如前所述，这些特征被称为 f0、f1、f2、...


def save_swift_input_str(model):
    path_to_save_txt = os.path.join(path_to_save_model, "predict_args.txt")
    text_file = open(path_to_save_txt, "w")
    feature_names = model.feature_names
    feature_list_swift_name = "stackedFeatures["
    for idx, feature_name in enumerate(feature_names):
        text_file.write('{}: {},'.format(feature_name, feature_list_swift_name + str(idx) + "]"))
    text_file.close()

然后通过将此文件的内容复制/粘贴到处理模型输入的类中：


let modelInput = ModelInput(f0: stackedFeatures[0],f1: stackedFeatures[1],f2: stackedFeatures[2],f3: stackedFeatures[3],f4: stackedFeatures[4],f5: stackedFeatures[5],f6: stackedFeatures[6],f7: stackedFeatures[7],f8: stackedFeatures[8], ...)

我可以使用以下代码在我的设备上使用 CoreML 运行预测：


guard let modelOutput = try? model.prediction(input: model_input) else {
                            fatalError("Unexpected runtime error.")
                        }

我希望这会有所帮助！如果有人找到更优雅的解决方案来解决这个问题，我也会很好奇！

【讨论】：