如何将Keras构建的多分类神经网络导出为PMML文件？

我之前也碰到过这个问题——keras2pmml确实对多分类场景的支持很有限，尤其是带有softmax输出层的模型，直接用它就会报KeyError: 'softmax'。这里有两个靠谱的解决方案，亲测有效：

sklearn2pmml是更成熟的PMML转换工具，完美支持多分类任务，还能无缝对接Keras模型。具体步骤如下：

1. 先装依赖
   确保安装好所需的包：

pip install sklearn2pmml keras scikit-learn

2. 把Keras模型包装成scikit-learn兼容的Estimator
   用KerasClassifier（多分类专用）来包装你的模型，还要手动指定类别标签，避免转换时出错：

from keras.wrappers.scikit_learn import KerasClassifier
from sklearn2pmml import PMMLPipeline, sklearn2pmml
from keras.models import Sequential
from keras.layers import Dense
from keras.optimizers import Adam

# 先定义模型构建函数（sklearn2pmml要求模型可序列化，所以用函数封装）
def build_multi_class_model():
    model = Sequential()
    model.add(Dense(output_dim=9, activation='tanh', input_shape=(12,)))
    model.add(Dense(output_dim=8, activation='tanh'))
    model.add(Dense(5, activation='softmax'))
    
    # 用你原来的编译配置
    learning_rate = 0.2
    epochs = 20
    decay_rate = learning_rate / epochs
    optimizer = Adam(lr=learning_rate, beta_1=0.9, beta_2=0.999, decay=decay_rate, amsgrad=False)
    model.compile(optimizer=optimizer, loss='categorical_crossentropy', metrics=['accuracy'])
    return model

# 包装模型，指定训练参数
keras_estimator = KerasClassifier(build_fn=build_multi_class_model, epochs=20, batch_size=32)

# 如果你已经训练好了modelnew2，可以直接替换掉默认模型
keras_estimator.model = modelnew2
# 必须手动设置类别列表，确保多分类逻辑正确（替换成你的实际类别标签）
keras_estimator.classes_ = [0, 1, 2, 3, 4]

# 构建PMML管道并导出
pipeline = PMMLPipeline([('classifier', keras_estimator)])
# 注意：如果你的标签是one-hot编码的，转成整数标签再fit（比如y_train.argmax(axis=1)）
pipeline.fit(X_train, y_train)
sklearn2pmml(pipeline, "MultiClass_Keras_Model.pmml", with_repr=True)

如果上面的方法遇到兼容性问题，还可以走"Keras→ONNX→PMML"的路线：

1. Keras转ONNX
   用tf2onnx工具转换：

pip install tf2onnx

import tensorflow as tf
from tf2onnx import convert.from_keras

# 转换已训练好的模型
onnx_model, _ = convert.from_keras(modelnew2, input_signature=[tf.TensorSpec(shape=(None, 12), dtype=tf.float32, name="input_features")])
tf.io.write_file("keras_model.onnx", onnx_model.SerializeToString())

2. ONNX转PMML
   用onnxmltools完成转换：

pip install onnxmltools

from onnxmltools.convert.convert_onnx import convert_onnx

# 转换并保存PMML
pmml_content = convert_onnx("keras_model.onnx")
with open("MultiClass_Keras_Model.pmml", "w", encoding="utf-8") as f:
    f.write(pmml_content)

这个方法需要注意输入输出的名称和类型匹配，可能需要微调参数确保类别映射正确。

keras2pmml工具最初只针对二分类任务做了适配，没有处理softmax输出对应的多分类逻辑，所以才会抛出KeyError: 'softmax'的错误，优先用方案1的sklearn2pmml会更省心。

内容的提问来源于stack exchange，提问作者Wendy De Wit