如何在Flutter中实现LogisticRegressionCv模型的加载调用

你手里的.pkl格式模型是Python特有的序列化产物，无法直接在Dart环境下解析运行，必须先做格式转换再部署，具体步骤如下：

第一步：模型格式转换 #

优先选择转成ONNX通用模型格式，适配性更高、转换流程更简单：

• 先在Python环境安装依赖：pip install scikit-learn onnx skl2onnx
• 运行转换代码，注意输入维度要和你训练时的图片输入维度对齐：

import pickle
from skl2onnx import convert_sklearn
from skl2onnx.common.data_types import FloatTensorType

# 加载本地pkl模型文件
with open("your_model.pkl", "rb") as f:
    lr_model = pickle.load(f)

# 此处以单张28*28灰度图拉平为784维向量为例，替换为你模型的实际输入维度
input_shape = [("float_input", FloatTensorType([None, 784]))]
onnx_model = convert_sklearn(lr_model, initial_types=input_shape)

# 导出转换后的ONNX模型
with open("lr_model.onnx", "wb") as f:
    f.write(onnx_model.SerializeToString())

第二步：Flutter端部署 #

使用ONNX Runtime官方Flutter插件完成推理：

1. 在pubspec.yaml中添加依赖和模型资源声明：

dependencies:
  flutter:
    sdk: flutter
  onnxruntime_flutter: ^1.16.0 # 可替换为最新稳定版本

flutter:
  assets:
    - assets/lr_model.onnx

2. 图片预处理：必须和训练时的预处理逻辑完全一致，包括灰度转换、尺寸缩放、像素值归一化、维度拉平等所有步骤，这是推理结果准确的核心前提。
3. 模型加载与推理示例代码：

import 'package:onnxruntime/onnxruntime.dart';
import 'dart:typed_data';

OrtEnv? _ortEnv;
OrtSession? _modelSession;

// 初始化模型，建议在应用启动时调用
Future<void> initModel() async {
  _ortEnv = OrtEnv();
  final sessionOpts = OrtSessionOptions();
  _modelSession = await OrtSession.fromAsset("assets/lr_model.onnx", sessionOpts);
}

// 执行推理，inputData为预处理后的图片一维浮点数组
List<double> runInference(Float32List inputData) {
  if (_modelSession == null) throw Exception("模型未初始化");
  // 输入维度替换为你模型的实际输入维度，示例为1张784维的输入
  final inputTensor = OrtValueTensor.createTensorWithDataList(inputData, [1, 784]);
  final runOpts = OrtRunOptions();
  final outputs = _modelSession!.run(runOpts, {"float_input": inputTensor});
  return outputs[0].value as List<double>;
}

注意事项 #

• 如果模型输入为多通道彩色图片，转换时的输入维度要对应调整，比如3通道224*224的图片拉平后维度为150528
• 若你的模型输出是分类概率，可直接取最大值对应的索引作为分类结果

内容的提问来源于stack exchange，提问作者zeewa42