如何将python训练的XGBoost模型部署在C++环境推理

当前环境：Ubuntu，xgboost==1.7.4

过程介绍：

1. 首先用python训练XGBoost模型，在训练完成后注意使用

xgb_model.save_model('checkpoint.model')

进行模型的保存。

2. 找到xgboost的动态链接库和头文件

1. 动态链接库：如果你在conda环境下面安装了xgboost，那么到你的环境中去找libxgboost.so以及libgomp-a34b3233.so.1.0.0这两个动态链接库

2. 头文件：可直接从该链接中下载https://github.com/dmlc/xgboost/tree/master/include

3. 下载Eigen，Eigen是一个用于线性代数计算的c++模板库:矩阵、向量、数值求解器和相关算法。我们利用Eigen在C++中定义XGBoost模型的输入特征。https://gitlab.com/libeigen/eigen/-/releases/3.3.7

4. 基于XGBoost的c_api编写推理的头文件和c++代码

5. 编写CMake用于编译链接运行

整个过程的代码以及依赖均放在：https://github.com/Outliers1106/XGBoost-py2cpp，大家可以直接使用。