欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  网络运营

linux下c++集成已训练LightGBM模型进行预测

程序员文章站 2022-07-09 23:23:41
1 相关材料1.1 安装包(1)lightGBM源码 提取码:qab2(2)cmake 提取码:3sdn(3)环境:centos71.2 前提准备操作系统已经按照g++和gcc编译工具,可使用命令进行安装yum install gccyum install gcc-c++2 过程本次操作目录均在/root/test,如下图所示:2.1 解压安装cmake(1) 输入命令:tar -zxvf cmake-3.18.4.tar.gz 解压cmake.tar.gz...

0 原理

通过下载lightGBM源码,使用cmake3.18版本对源码进行编译,生成lib_lightgbm.so文件。在c++文件中,通过链接已经编译好的lgb库,实现在c++中调用已经训练好的lgb模型。

1 相关材料

1.1 安装包

(1)lightGBM源码 提取码:qab2
(2)cmake 提取码:3sdn
(3)环境:centos7

1.2 前提准备

操作系统已经按照g++和gcc编译工具,可使用命令进行安装
yum install gcc
yum install gcc-c++

2 过程

本次操作目录均在/root/test,如下图所示:
linux下c++集成已训练LightGBM模型进行预测

2.1 解压安装cmake

(1) 输入命令:tar -zxvf cmake-3.18.4.tar.gz 解压cmake.tar.gz
(2) 进入cmake-3.18.4文件夹并执行./configure命令
按照过程中如果报了“Could not find OpenSSL. Install an OpenSSL development package or”,需要先执行yum instal openssl和yum install openssl-devel再执行./configure命令
linux下c++集成已训练LightGBM模型进行预测
(3) 执行命令gmake
linux下c++集成已训练LightGBM模型进行预测
(4) 执行命令确认cmake的版本,确认cmake是否成功安装

2.2 解压编译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预测

#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

3 参考

1 源码安装CMake3.18.4
2 如何在C++程序中调用lightgbm (How to use lightgbm in C++ program)
3 Lightgbm C++接口使用

本文地址:https://blog.csdn.net/guazhi8853/article/details/109544552