无需H2O集群在树莓派2上运行H2O MOJO模型求助

一、Java 原生调用（适配所有模型类型） #

你之前遇到的「缺失主类」问题，是因为没有使用h2o-genmodel.jar内置的正确主类，这个Jar包本身就包含了无集群运行MOJO的所有逻辑，无需启动H2O集群。

• 批量CSV处理命令：

  # 限制JVM内存适配树莓派2硬件，按需调整-Xmx参数
  java -Xmx512m -cp h2o-genmodel.jar hex.genmodel.tools.PredictCsv \
    --mojo /path/to/your_model.zip \
    --input /path/to/input.csv \
    --output /path/to/output.csv
  

  • 分类任务可添加--predictions-col Prediction指定预测结果列名；回归任务无需额外参数。
  • StackedEnsemble模型无需特殊处理，其MOZip包已包含所有子模型依赖，直接用上述命令即可。

• 单条数据预测：

  java -cp h2o-genmodel.jar hex.genmodel.tools.Predict \
    --mojo your_model.zip \
    --row "1.2,3.4,5.6,..." # 按模型特征顺序传入数据
  

二、Python 轻量调用（无需集群） #

如果更偏好Python生态，使用h2o-genmodel的Python绑定，完全脱离H2O集群运行：

1. 安装依赖：
   树莓派ARM架构下优先用pip安装，若官方包不兼容则从源码编译：

   # 优先尝试官方包
   pip install h2o-genmodel
   # 官方包不兼容时编译源码
   git clone https://github.com/h2oai/h2o-genmodel.git
   cd h2o-genmodel/python && python setup.py install
   

2. 通用预测代码（适配所有模型与任务类型）：

   import h2o.genmodel as h2o_gnm
   import pandas as pd
   
   # 加载MOJO模型
   model = h2o_gnm.Model.load("/path/to/your_model.zip")
   
   # 读取输入数据（转为DataFrame即可，支持CSV/Excel等格式）
   input_df = pd.read_csv("/path/to/input.csv")
   
   # 生成预测结果
   pred_results = model.predict(input_df)
   
   # 保存结果到CSV
   pred_results.to_csv("/path/to/output.csv", index=False)
   

   这个方案启动速度极快，完全不需要H2O集群资源，适配深度学习、XGBoost、GBM、StackedEnsemble等所有模型类型，以及回归、二分类、多分类任务。

三、开机常驻优化（可选） #

如果需要长期提供预测服务，可以将脚本注册为systemd服务，实现开机自启与异常重启：

1. 创建服务文件/etc/systemd/system/h2o-mojo-pred.service：

   [Unit]
   Description=H2O MOJO Prediction Service
   After=network.target
   
   [Service]
   User=pi
   WorkingDirectory=/home/pi/mojo_workspace
   ExecStart=/usr/bin/python3 /home/pi/mojo_workspace/predict_service.py
   Restart=always
   RestartSec=10
   # 限制内存，适配树莓派2
   MemoryMax=512M
   
   [Install]
   WantedBy=multi-user.target
   

2. 启用服务：

   sudo systemctl daemon-reload
   sudo systemctl start h2o-mojo-pred.service
   sudo systemctl enable h2o-mojo-pred.service
   

内容的提问来源于stack exchange，提问作者lvfmc85