m2cgen生成机器学习c语言推理代码

众所周知，cubemx是一个用于生成嵌入式的代码的好东西虽然我没用过。它的原理是将原本的矩阵运算和tensor变成了一个c的数组，同时会对代码进行优化，然后进行运算。

但是如果我们需要在其他平台上使用其他语言就很尴尬了，因为我们没有cubemx来做生成和优化。感谢蓬勃发展的社区，m2cgen解决了我们的问题。

使用起来非常简单，我们使用xgboost举例，先训练一个xgboost模型

代码语言：text复制

from sklearn.datasets import load_diabetes
from sklearn import linear_model

X, y = load_diabetes(return_X_y=True)

estimator = linear_model.LinearRegression()
estimator.fit(X, y)

然后导出c代码

代码语言：text复制

import m2cgen as m2c
code = m2c.export_to_c(estimator)
with open ('model.c', 'w') as f:
   f.write(code)

我们可以看到导出的代码已经是纯c语言的代码了，是以一个函数保存的

代码语言：text复制

double score(double * input) {
    return 152.13348416289597   input[0] * -10.009866299810508   input[1] * -239.81564367242302   input[2] * 519.845920054461   input[3] * 324.38464550232334   input[4] * -792.1756385522302   input[5] * 476.73902100525737   input[6] * 101.04326793803405   input[7] * 177.06323767134606   input[8] * 751.2736995571034   input[9] * 67.62669218370456;
}

如果你遇到了这样的一个错误

代码语言：text复制

base_score = -math.log(1.0 / self._base_score - 1.0)
                           ~~~~^~~~~~~~~~~~~~~~~~
TypeError: unsupported operand type(s) for /: 'float' and 'NoneType'

这是由于xgboost模型字段发生变化导致的，在m2c.export_to_c之前加入model.base_score = 0 就行

代码语言：text复制

import m2cgen as m2c
model.base_score = 0
code = m2c.export_to_c(estimator)
with open ('model.c', 'w') as f:
   f.write(code)

机器学习嵌入式 input 模型优化

0 人点赞

m2cgen生成机器学习c语言推理代码 - plus studio

m2cgen生成机器学习c语言推理代码