tongchenkeji 发表于:2023-6-5 15:39:360次点击 已关注取消关注 关注 私信 在机器学习PAI怎么把sklearn训练的模型直接转成alink的模型用?[阿里云机器学习PAI] 暂停朗读为您朗读 在机器学习PAI怎么把sklearn训练的模型直接转成alink的模型用? 「点点赞赏,手留余香」 赞赏 还没有人赞赏,快来当第一个赞赏的人吧! 海报 机器学习PAI# 人工智能平台 PAI1410# 机器学习深度学习1219
算精通AM 2023-11-28 2:50:53 1 下面是将Scikit-learn模型转换为Alink模型的步骤: 使用Scikit-learn训练模型并保存模型文件,例如使用joblib保存: import joblibfrom sklearn.linear_model import LogisticRegression# 训练模型clf = LogisticRegression(random_state=0).fit(X, y)# 保存模型joblib.dump(clf, "model.joblib") 在PAI平台上创建Alink任务,选择“转换模型”任务类型,并设置输入和输出路径。 在Alink任务中添加以下代码: import joblibfrom sklearn2pmml import sklearn2pmmlfrom alink_model_conversion_utils import save_pmml_model_to_oss# 加载Scikit-learn模型clf = joblib.load("/input/model.joblib")# 将Scikit-learn模型转换为PMML格式pmml_bytes = sklearn2pmml(clf, X.columns.tolist(), "output")# 将PMML格式的模型保存到OSSsave_pmml_model_to_oss(pmml_bytes, "oss:///.pmml") 其中,alink_model_conversion_utils是Alink提供的模型转换工具包,可以在Alink任务中直接使用。save_pmml_model_to_oss函数将PMML格式的模型保存到OSS。 提交Alink任务并等待任务完成。完成后,您可以在OSS上找到转换后的Alink模型文件。 在Alink任务中添加训练代码,加载转换后的Alink模型并使用它进行训练。例如: from pyflink.dataset import ExecutionEnvironmentfrom pyflink.table import TableEnvironment, BatchTableEnvironmentfrom pyflink.table.descriptors import Schema, OldCsv, FileSystemfrom pyflink.table.types import DataTypes# 创建Alink环境t_env = BatchTableEnvironment.create(env=ExecutionEnvironment.get_execution
vohelonAM 2023-11-28 2:50:53 2 在机器学习PAI中,您可以通过 “Model Conversion” 功能将 scikit-learn 训练的模型转换成阿里云平台支持的模型格式,如Alink和MNN。 以下是进行模型转换的一般步骤: 安装 Python 环境和相关的转换库 您需要在机器学习 PAI 上安装 Python 环境和相关的转换库,如tensorflow、onnx等(具体库的安装根据您要转换的目标模型格式而定)。 导出 scikit-learn 模型 在 Python 环境中,使用 scikit-learn 的 joblib.dump() 函数将训练好的模型导出为 .pkl 文件。 转换模型 您可以使用相关的转换工具,如 TensorFlow-serving 和 ONNX 等,将 scikit-learn 模型转换为 Alink 或 MNN 的模型格式。 完成转换后,您可以将生成的模型上传到阿里云对象存储 OSS 上,并在自己的项目中调用。 需要注意的是,由于不同的模型转换工具支持的模型类型和版本可能不同,因此您在转换模型时需要仔细选择相应的转换工具和模型类型,以确保转换成功。 总结起来,将 scikit-learn 训练的模型转换为 Alink 或 MNN 格式的模型,需要对转换库有所了解,并根据您要转换的模型类型和需求进行相应的操作。
下面是将Scikit-learn模型转换为Alink模型的步骤:
在PAI平台上创建Alink任务,选择“转换模型”任务类型,并设置输入和输出路径。
在Alink任务中添加以下代码:
其中,
alink_model_conversion_utils
是Alink提供的模型转换工具包,可以在Alink任务中直接使用。save_pmml_model_to_oss
函数将PMML格式的模型保存到OSS。提交Alink任务并等待任务完成。完成后,您可以在OSS上找到转换后的Alink模型文件。
在Alink任务中添加训练代码,加载转换后的Alink模型并使用它进行训练。例如:
在机器学习PAI中,您可以通过 “Model Conversion” 功能将 scikit-learn 训练的模型转换成阿里云平台支持的模型格式,如Alink和MNN。
以下是进行模型转换的一般步骤:
您需要在机器学习 PAI 上安装 Python 环境和相关的转换库,如tensorflow、onnx等(具体库的安装根据您要转换的目标模型格式而定)。
在 Python 环境中,使用 scikit-learn 的
joblib.dump()
函数将训练好的模型导出为 .pkl 文件。您可以使用相关的转换工具,如 TensorFlow-serving 和 ONNX 等,将 scikit-learn 模型转换为 Alink 或 MNN 的模型格式。 完成转换后,您可以将生成的模型上传到阿里云对象存储 OSS 上,并在自己的项目中调用。
需要注意的是,由于不同的模型转换工具支持的模型类型和版本可能不同,因此您在转换模型时需要仔细选择相应的转换工具和模型类型,以确保转换成功。
总结起来,将 scikit-learn 训练的模型转换为 Alink 或 MNN 格式的模型,需要对转换库有所了解,并根据您要转换的模型类型和需求进行相应的操作。
没有这个接口现在,有一些简单的模型,可以直接自己转一下。此回答整理自钉群“Alink开源–用户群”