sklearn库安装_没有依赖库也能跑机器学习模型！推荐一个强大工具m2cgen

晓查发自凹非寺
量子位报道 | 公众号 QbitAI

m2cgen（Model 2 Code Generator）是一个轻量级代码生成器，它可以将训练好的机器学习模型转换成无需依赖库的本地代码。目前支持转化为Python、Java、C三种语言。

比如你用PyTorch训练了一个机器学习模型，但是需要把它部署在一台没有安装或者不兼容PyTorch的设备上，应该怎么办？这时候m2cgen能帮你解决问题。

有人说，这不就是另一种形式的ONNX嘛？No！

ONNX能做的是将PyTorch训练的模型转换到Caffe2上，代码只是换了一种依赖库。而m2cgen生成的代码不需要在本地安装任何依赖库！

无需依赖库

那么给计算机安装上依赖库不就好了吗，为何还要这么麻烦？

如果你在实际中遇到以下几种情况：

生产环境没有相应的语言，比如缺失Python runtime；
设备性能不够强大，比如微控制器(MCU)，无法安装框架和依赖库，而且数据需要在本地计算，不能传回远程服务器；
对预测速度有要求，需要直接调用参数值而不是依赖库；

这时候m2cgen就能派上用场，只要设备能运行Python、C、Jave当中的任何一种语言，你就能直接部署训练好的机器学习模型。

运行原理

理论上，训练好的模型已经有了拟合参数的数值，运行起来也只需要矩阵乘法和一些激活函数。可是为了运行它们，却要先安装体积超过GB的框架和依赖库。

m2cgen项目的实质，是以某种方式将模型的权重、偏置分解为一个额外的依赖或文件，在非常大的模型上实现“代码”和“数据”之间的分离。

总的来说，替代方法就是使用底层的编程语言库，来做一些矩阵数学运算。

目前m2cgen支持的模型种类包括：

使用方法

m2cgen的安装非常方便，直接用pip：

$ pip install m2cgen

在转换Python代码前，需要用import导入m2cgen：

from

然后在终端用m2cgen命令转换代码：

[--indent <indent>

pickle_file是你要转换的源代码文件，必填选项—language后面填入你的目标语言，比如上面的Python代码，你想转换成Java，就输入：

m2cgen <path_to_file> --language java

然后它就变成了一串Java代码：

public

传送门：

开源地址：

BayesWitnesses/m2cgengithub.com

与m2cgen类似的代码转换项目sklearn porter，能将训练好的scikit-learn模型转换成Java、C、JavaScript、Go、Ruby代码：

nok/sklearn-portergithub.com

— 完 —

量子位 · QbitAI

վ'ᴗ' ի 追踪AI技术和产品新动态

戳右上角「+关注」获取最新资讯↗↗

如果喜欢，请分享or点赞吧~比心❤