如何将LightGBM模型转换为ONNX？转换提示初始类型必填错误

这个报错由两个问题共同导致：

1. 缺失转换必填参数initial_types：skl2onnx/onnxmltools转换模型时必须明确指定模型输入的张量类型、维度，你代码中convert_sklearn调用处留空的参数位就需要传这个配置，缺失就会直接抛出你看到的ValueError。
2. 转换接口和模型类型不匹配：你用lgb.train()训练得到的是LightGBM原生Booster对象，并非scikit-learn API规范的模型，直接调用convert_sklearn本身就不适用，就算补了参数也可能出现兼容问题。

按以下步骤调整代码即可完成转换，导出的ONNX模型可直接被ASP.NET侧的ONNX Runtime调用：

• 先导入定义输入类型需要的依赖，根据你训练集的特征数量定义输入格式，注意第二个维度的数值必须和训练时使用的特征列数完全一致：

from skl2onnx.common.data_types import FloatTensorType
# 示例：如果训练时用了15列数值特征，就把下面的15替换成你实际的特征列数
initial_types = [("input", FloatTensorType([None, 你实际的特征列数]))]

• 替换转换接口：原生LightGBM Booster对象要使用onnxmltools提供的专用转换方法，不要用面向sklearn模型的convert_sklearn，转换完成后直接保存为.onnx文件即可。

修正后的完整可运行代码如下：

import onnxmltools
from skl2onnx.common.data_types import FloatTensorType
import lightgbm as lgb
import pandas as pd

parameters = {
    'boosting': 'gbdt',
    'feature_fraction': 0.5,
    'bagging_fraction': 0.5,
    'bagging_freq': 20,
    'num_boost_round': 10000,
    'verbose': -1
}


model_lgbm = lgb.train(parameters, train_data, valid_sets = test_data, early_stopping_rounds = 200)

# 替换为实际特征列数
initial_types = [("input", FloatTensorType([None, 你实际的特征列数]))]
# 调用LightGBM专用转换接口
onnx_model = onnxmltools.convert_lightgbm(model_lgbm, initial_types=initial_types)
# 保存模型文件
onnxmltools.utils.save_model(onnx_model, "trained_lgbm.onnx")

• 如果你后续使用LightGBM的scikit-learn风格接口（即LGBMClassifier/LGBMRegressor调用fit()训练的模型），才可以使用convert_sklearn接口，但同样必须传入initial_types参数，否则还是会触发相同报错。
• 如果你的特征包含类别型变量，需要在initial_types中单独对类别特征的类型做对应定义，全数值特征直接使用上面的FloatTensorType配置即可。
• 模型导出后建议先用本地ONNX Runtime跑测试样例，对比原模型和ONNX模型的输出结果偏差，确认无误后再集成到ASP.NET项目中。

内容的提问来源于stack exchange，提问作者ION606