ML.net C#中如何在运行时动态设置ColumnName与VectorType参数

解决方案 #

方案1：管道末尾追加列映射统一输出结构（优先推荐，实现成本最低） #

你不需要尝试修改特性的动态参数，只要在ONNX推理之后的处理管道中，把动态输出的列统一映射为固定结构即可完美适配预定义的预测类：

1. 预测类直接写死固定特性参数，[VectorType]不指定长度时ML.NET会自动适配运行时的向量维度：

class MLObjectDetectionPrediction
{
    [VectorType]
    [ColumnName("FixedOutput")]
    public float[] Output { get; set; }

    [ColumnName("width")]
    public float ImageWidth { get; set; }

    [ColumnName("height")]
    public float ImageHeight { get; set; }
}

2. 在ApplyOnnxModel后追加列转换逻辑，把动态输出的列映射为固定列：

var pipeline = mLContext.Transforms.ResizeImages(inputColumnName: MachineLearningModelObject.ImageInputColumnName, outputColumnName: MachineLearningModelObject.ImageOutputColumnName, imageWidth: MachineLearningModelObject.ImageWidth, imageHeight: MachineLearningModelObject.ImageHeight, resizing: Microsoft.ML.Transforms.Image.ImageResizingEstimator.ResizingKind.Fill)
    .Append(mLContext.Transforms.ExtractPixels(outputColumnName: MachineLearningModelObject.ImageOutputColumnName, scaleImage: 1f / 255f, interleavePixelColors: false))
    .Append(mLContext.Transforms.ApplyOnnxModel(
        shapeDictionary: new Dictionary<string, int[]>()
        {
            { MachineLearningModelObject.ModelInputColumnName, MachineLearningModelObject.ModelInputVector },
            { MachineLearningModelObject.ModelOutputColumnName, MachineLearningModelObject.ModelOutputVector}
        },
        inputColumnName: MachineLearningModelObject.ModelInputColumnName,
        outputColumnName: MachineLearningModelObject.ModelOutputColumnName,
        modelFile: MachineLearningModelObject.ModelName
        ))
    // 新增转换逻辑，适配所有动态模型输出
    .Append(mLContext.Transforms.CopyColumns("FixedOutput", MachineLearningModelObject.ModelOutputColumnName))
    .Append(mLContext.Transforms.DropColumns(MachineLearningModelObject.ModelOutputColumnName));

方案2：使用非泛型API直接操作IDataView（灵活性最高） #

如果切换的模型输出结构差异极大，不需要定义预测类，直接用非泛型API动态读取输出列即可：

// 构造输入数据
var inputData = new List<MLImageObject> { yourInputObject };
var inputDV = mLContext.Data.LoadFromEnumerable(inputData);
// 直接推理得到输出
var outputDV = model.Transform(inputDV);
// 运行时动态读取指定列
var predictResult = outputDV.GetColumn<float[]>(MachineLearningModelObject.ModelOutputColumnName).First();
var width = outputDV.GetColumn<float>("width").First();
var height = outputDV.GetColumn<float>("height").First();

内容的提问来源于stack exchange，提问作者Pietr Podschinski