python+Treelite：Sklearn树模型训练迁移到c、java部署

受本篇启发：

Treelite：树模型部署加速工具（支持XGBoost、LightGBM和Sklearn）

Coggle，公众号：Coggle数据科学Treelite：树模型部署加速工具（支持XGBoost、LightGBM和Sklearn）

项目链接：https://treelite.readthedocs.io/

项目论文：https://mlsys.org/Conferences/doc/2018/196.pdf

支持模型：XGB、LGB、SKlearn树模型

还有一个特性：在树模型运行的每台计算机上安装机器学习包（例如 XGBoost、LightGBM、scikit-learning 等）非常麻烦。

这种情况不再如此：Treelite 将导出模型作为独立预测库，以便无需安装任何机器学习包即可进行预测。

---

1 安装

python3 -m pip install --user treelite treelite_runtime

2 Treelite介绍与原理

Treelite能够树模型编译优化为单独库，可以很方便的用于模型部署。经过优化后可以将XGBoost模型的预测速度提高2-6倍。

如上图，黑色曲线为XGBoost在不同batch size下的吞吐量，红色曲线为XGBoost经过TreeLite编译后的吞吐量。

Treelite支持众多的树模型，特别是随机森林和GBDT。同时Treelite可以很好的支持XGBoost, LightGBM和 scikit-learn，也可以将自定义模型根据要求完成编译。

2.1 逻辑分支

对于树模型而言，节点的分类本质使用if语句完成，而CPU在执行if语句时会等待条件逻辑的计算。

if ( [conditional expression] ) {
  foo();
} else {
  bar();
}

如果在构建树模型时候，提前计算好每个分支下面样本的个数，则可以提前预知哪一个叶子节点被执行的可能性更大，进而可以提前执行子节点逻辑。

借助于编译命令，可以完成逻辑计算加速。

/* expected to be false */
if( __builtin_expect([condition],0)){
  ...
} else {
  ...
}

2.2 逻辑比较

原始的分支比较可能会有浮点数比较逻辑，可以量化为数值比较逻辑。

if (data[3].fvalue < 1.5) {  
/* floating-point comparison */
  ...
}

if (data[3].qvalue < 3) {     
/* integer comparison */
  ...
}

---

3 快速入门

将树组合模型导入树精简：

import treelite
model = treelite.Model.load('my_model.model', model_format='xgboost')

部署源存档：

# Produce a zipped source directory, containing all model information
# Run `make` on the target machine
model.export_srcpkg(platform='unix', toolchain='gcc',
                    pkgpath='./mymodel.zip', libname='mymodel.so',
                    verbose=True)

部署共享库：

# Like export_srcpkg, but generates a shared library immediately
# Use this only when the host and target machines are compatible
model.export_lib(toolchain='gcc', libpath='./mymodel.so', verbose=True)

对目标机器进行预测：

import treelite_runtime
predictor = treelite_runtime.Predictor('./mymodel.so', verbose=True)
batch = treelite_runtime.Batch.from_npy2d(X)
out_pred = predictor.predict(batch)

---

4 快速load几类数据模型：XGB、LGB、SKlearn

4.1 XGB

• 从xgboost.Booster加载XGBoost模型 

# bst = an object of type xgboost.Booster
model = Model.from_xgboost(bst)

• 从binary 二进制格式加载XGBoost模型

# model had been saved to a file named my_model.model
# notice the second argument model_format='xgboost'
model = Model.load('my_model.model', model_format='xgboost')

4.2 LGB

Microsoft/LightGBM的LightGBM 可以使用load()，可以指定参数：model_format='lightgbm'

# model had been saved to a file named my_model.txt
# notice the second argument model_format='lightgbm'
model = Model.load('my_model.txt', model_format='lightgbm')

4.3 scikit-learn模型

可以加载以下几种：

• sklearn.ensemble.RandomForestRegressor

• sklearn.ensemble.RandomForestClassifier

• sklearn.ensemble.GradientBoostingRegressor

• sklearn.ensemble.GradientBoostingClassifier

# clf is the model object generated by scikit-learn
import treelite.sklearn
model = treelite.sklearn.import_model(clf)

---

5 java版本：Treelite4J

Treelite4J 是Java使用的依赖，在本地文件系统中找到编译的模型（dll / so / dylib）。我们通过创建Predictor对象来加载已编译的模型：

import ml.dmlc.treelite4j.Predictor;

Predictor predictor = new Predictor("path/to/compiled_model.so", -1, true, true);

加载编译的模型后，我们可以对其进行查询：

// Get the input dimension, i.e. the number of feature values in the input vector
int num_feature = predictor.GetNumFeature();

// Get the number of classes.
// This number is 1 for tasks other than multi-class classification.
// For multi-class classification task, the number is equal to the number of classes.
int num_class = predictor.GetNumClass();

为了使用单个输入进行预测，我们创建了一个Entry对象数组，设置了它们的值，并调用了预测函数。

// Create an array of feature values for the input
int num_feature = predictor.GetNumFeature();
Entry[] inst = new Entry[num_feature];

// Initialize all feature values as missing
for (int i = 0; i < num_feature; ++i) {
  inst[i] = new Entry();
  inst[i].setMissing();
}

// Set feature values that are not missing
// In this example, we set feature 1, 3, and 7
inst[1].setFValue(-0.5);
inst[3].setFValue(3.2);
inst[7].setFValue(-1.7);

// Now run prediction
// (Put false in the second argument to get probability outputs)
float[] result = predictor.predict(inst, false);
// The result is either class probabilities (for multi-class classification)
// or a single number (for all other tasks, such as regression)