使用C#版ONNXRuntime导入WinMLTools导出的RandomForestClassifier模型遇内存访问错误

我之前处理类似问题时也踩过这个坑，你遇到的System.AccessViolationException本质是第二个输出"probabilities"的类型信息无法被正确转换为Tensor类型，导致空指针访问触发了内存错误。下面是具体的分析和可行的解决方案：

问题根源 #

WinMLTools在导出scikit-learn的RandomForestClassifier时，默认会把predict_proba的概率输出导出为非Tensor类型（比如Map<int64, float>），但你的C#代码尝试将其当作Tensor处理，调用OrtCastTypeInfoToTensorInfo时因为类型不匹配返回了空指针，后续访问这个空指针就引发了内存异常。而第一个类别输出是标准的Tensor，所以处理完全正常。

解决方案 #

1. 先确认模型输出类型（用Netron） #

先把问题坐实：用Netron打开你的ONNX模型，查看两个输出的类型。如果"probabilities"不是Tensor(float)而是Map或者其他类型，那就能100%确认是类型不匹配的问题。

2. 改用skl2onnx导出模型（最靠谱的解法） #

WinMLTools对scikit-learn的支持比较有限，专门的skl2onnx库能更好地控制输出类型。步骤如下：

• 先安装依赖：pip install skl2onnx onnx
• 导出时一定要加zipmap=False，强制让概率输出变成二维Tensor：

from skl2onnx import convert_sklearn
from skl2onnx.common.data_types import FloatTensorType
import onnx
from sklearn.ensemble import RandomForestClassifier

# 假设你已经训练好模型clf，n_features是输入特征的数量
clf = RandomForestClassifier()
# ... 这里是你的模型训练代码 ...

# 定义输入的Tensor类型
initial_type = [('input', FloatTensorType([None, n_features]))]
# 导出模型，关键是options里的zipmap=False
onnx_model = convert_sklearn(
    clf, 
    initial_types=initial_type,
    options={type(clf): {'zipmap': False}}
)
# 保存模型到本地
onnx.save_model(onnx_model, "rf_classifier.onnx")

3. 升级ONNXRuntime到最新版 #

如果你的ONNXRuntime C#版本比较老，可能存在对某些ONNX类型的兼容性bug。去NuGet把Microsoft.ML.OnnxRuntime更到最新稳定版，再试试导入模型。

4. 适配非Tensor输出（万不得已的情况） #

如果没法重新导出模型，且确认"probabilities"是Map类型，可以修改C#代码来正确处理Map类型：

var outputMetadata = session.OutputMetadata;
foreach (var output in outputMetadata)
{
    if (output.Key == "probabilities")
    {
        // 检查是不是Map类型
        if (output.Value.TypeInfo is MapTypeInfo mapType)
        {
            // 这里写处理Map类型的逻辑
            var keyType = mapType.KeyType;
            var valueType = mapType.ValueType;
            // ... 后续的取值和处理代码 ...
        }
    }
}

验证步骤 #

重新导出模型后，用Netron确认"probabilities"是Tensor(float)类型，再用C#的ONNXRuntime导入，应该就能正常获取输出的类型信息，不会再触发内存访问错误了。

内容的提问来源于stack exchange，提问作者Nissim