linux下c++怎么集成LightGBM模型進行預測

這篇文章主要介紹“linux下c++怎么集成LightGBM模型進行預測”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“linux下c++怎么集成LightGBM模型進行預測”文章能幫助大家解決問題。

1 相關材料

1.1 安裝包

（1）lightGBM源碼 提取碼:qab2
（2）cmake 提取碼:3sdn
（3）環境：centos7

1.2 前提準備

操作系統已經按照g++和gcc編譯工具，可使用命令進行安裝
yum install gcc
yum install gcc-c++

2 過程

本次操作目錄均在/root/test,如下圖所示:

2.1 解壓安裝cmake

(1) 輸入命令:tar -zxvf cmake-3.18.4.tar.gz 解壓cmake.tar.gz
(2) 進入cmake-3.18.4文件夾并執行./configure命令
按照過程中如果報了“Could not find OpenSSL. Install an OpenSSL development package or”，需要先執行yum instal openssl和yum install openssl-devel再執行./configure命令

(3) 執行命令gmake

(4) 執行命令確認cmake的版本，確認cmake是否成功安裝

2.2 解壓編譯lightGBM

2.3 lightGBM模型生成

2.3.1 c++生成lgb模型

2.3.2 python生成lgb模型

2.4 c++集成lightGBM預測

#include <LightGBM/c_api.h>#include <iostream>#include <vector>void predict(std::vector<float> &row){std::string pred_result = "";int temp;int p = 1;BoosterHandle handle;temp = LGBM_BoosterCreateFromModelfile("models/3_300_gbm.txt", &p, &handle);std::cout << "load result value is " << temp << std::endl;// std::vector<float> row = {0.07946399999999999, 0.9537260000000001, 0.9621209999999999, 0.976303, 7.0, 3.0};for (auto value : row)std::cout << value << ",";std::cout << std::endl;void *in_p = static_cast<void *>(row.data());std::vector<double> out(1, 0);double *out_result = static_cast<double *>(out.data());int64_t out_len;int res = LGBM_BoosterPredictForMat(handle, in_p, C_API_DTYPE_FLOAT32, 1, 6, 1, C_API_PREDICT_NORMAL, 0, -1, "None", &out_len, out_result);std::cout << "file predict result is:" << res << std::endl;std::cout << "row predict result size is " << out.size() << " value is " << out[0] << std::endl;}int main(){std::vector<float> row = {0.07946399999999999, 0.9537260000000001, 0.9621209999999999, 0.976303, 7.0, 3.0};predict(row);std::cout << std::endl;std::vector<float> row1 = {0.910457, 0.692459, 0.8338110000000001, 0.78886, 14.0, 10.0};predict(row1);std::cout << "Ok complete!" << std::endl;return 0;}// g++ -g -Wall -std=c++11 test.cpp -l_lightgbm -Wl,-R /usr/local/lib -o test// g++ -g -Wall -std=c++11 test.cpp -l_lightgbm -Wl,-R /root/moead/models -L/ydq/moead/models -I/root/moead/models/include -o test

關于“linux下c++怎么集成LightGBM模型進行預測”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。