ML.Net中AddPredictionEnginePool无zip文件及默认模型配置问题

一、关于模型文件的疑问 #

• 无需手动将.mlnet改名为.zip，训练完成后必须显式导出ZIP格式的模型。.mlnet是ML.NET项目的配置文件（记录训练管道、数据集路径等信息），并非可直接用于预测的序列化模型。训练代码中需添加导出逻辑：

  // 训练完成后
  var trainedModel = pipeline.Fit(trainingData);
  // 导出为ZIP格式模型文件
  trainedModel.Save("MyModel.zip");
  

• 导出后的ZIP包才是PredictionEnginePool可加载的模型文件，内部包含序列化后的模型结构与参数。

二、报错原因：命名模型与默认模型的区别 #

你配置时指定了modelName: "MyModel"，这属于命名模型，但调用_predictionEnginePool.Predict(testInput)时，该方法默认会寻找未命名的默认模型，因此触发报错。有两种解决方式：

方法1：配置默认模型（不指定modelName） #

移除modelName参数，直接将模型配置为默认模型：

builder.Services.AddPredictionEnginePool<ModelInput, ModelOutput>()
    .FromFile(filePath: "D:\\MyCompany\\MyApp\\MyService.ApiService\\MyModel.zip",
              watchForChanges: true);

之后调用_predictionEnginePool.Predict(testInput)即可正常使用。

方法2：调用时指定命名模型 #

若需保留命名模型（如多模型场景），调用时需传入模型名称：

var prediction = _predictionEnginePool.Predict("MyModel", testInput);

三、完整可用示例 #

1. 训练并导出模型（控制台/类库项目） #

using Microsoft.ML;
using Microsoft.ML.Data;

// 定义模型输入类
public class ModelInput
{
    [LoadColumn(0)] public float Feature1 { get; set; }
    [LoadColumn(1)] public float Feature2 { get; set; }
}

// 定义模型输出类
public class ModelOutput
{
    [ColumnName("Score")] public float Prediction { get; set; }
}

class Program
{
    static void Main(string[] args)
    {
        var mlContext = new MLContext();

        // 模拟训练数据集
        var trainingData = mlContext.Data.LoadFromEnumerable(new[]
        {
            new ModelInput { Feature1 = 1f, Feature2 = 2f },
            new ModelInput { Feature1 = 2f, Feature2 = 3f },
            new ModelInput { Feature1 = 3f, Feature2 = 4f }
        });

        // 构建训练管道
        var pipeline = mlContext.Transforms.Concatenate("Features", nameof(ModelInput.Feature1), nameof(ModelInput.Feature2))
            .Append(mlContext.Regression.Trainers.Sdca(labelColumnName: "Score", featureColumnName: "Features"));

        // 训练模型
        var trainedModel = pipeline.Fit(trainingData);

        // 导出ZIP模型，之后复制到API项目目录
        trainedModel.Save("MyModel.zip");
    }
}

2. API项目配置（Program.cs） #

using Microsoft.AspNetCore.Builder;
using Microsoft.Extensions.DependencyInjection;
using Microsoft.ML;

var builder = WebApplication.CreateBuilder(args);

// 注册PredictionEnginePool服务，加载默认模型
builder.Services.AddPredictionEnginePool<ModelInput, ModelOutput>()
    .FromFile(filePath: "MyModel.zip", watchForChanges: true);

// 添加控制器支持
builder.Services.AddControllers();

var app = builder.Build();

app.MapControllers();

app.Run();

3. 控制器调用示例 #

using Microsoft.AspNetCore.Mvc;
using Microsoft.ML;

[ApiController]
[Route("api/[controller]")]
public class PredictionController : ControllerBase
{
    private readonly PredictionEnginePool<ModelInput, ModelOutput> _predictionEnginePool;

    // 注入PredictionEnginePool
    public PredictionController(PredictionEnginePool<ModelInput, ModelOutput> predictionEnginePool)
    {
        _predictionEnginePool = predictionEnginePool;
    }

    [HttpPost]
    public IActionResult Predict([FromBody] ModelInput input)
    {
        // 使用默认模型执行预测
        var result = _predictionEnginePool.Predict(input);
        return Ok(new { Prediction = result.Prediction });
    }
}

四、注意事项 #

• 确保ZIP模型文件路径正确，可在API项目中将模型文件的“复制到输出目录”设置为“如果较新则复制”，避免硬编码绝对路径。
• PredictionEnginePool是线程安全的，适配多线程/高并发场景，禁止手动创建PredictionEngine（非线程安全）。

内容的提问来源于stack exchange，提问作者Age of Empires