c++ 如何调用sklearn训练好的pkl模型

在C++中调用Python的sklearn训练好的pkl模型，可以使用Python的C++接口来实现。Python的C++接口提供了一组函数和类，使得C++能够直接调用Python的函数和对象，并且能够传递Python对象到C++中。

下面是一个简单的例子，展示如何在C++中调用Python的sklearn训练好的pkl模型：

1. 首先需要安装Python的C++接口库pybind11，可以使用pip安装：

   pip install pybind11

2. 在C++代码中引入pybind11库头文件，并且定义需要调用的Python函数和模型路径：

   #include <pybind11/embed.h>
   #include <pybind11/stl.h>
   
   namespace py = pybind11;
   
   // 定义Python函数和模型路径
   std::string predict_func = "predict";
   std::string model_path = "model.pkl";

3. 在需要调用Python函数的地方，初始化Python解释器并加载模型：

   // 初始化Python解释器
   py::scoped_interpreter guard{};
   
   // 加载模型
   py::object model = py::module::import("sklearn.externals.joblib").attr("load")(model_path);

4. 调用Python函数并传递数据：

   // 调用Python函数
   py::object predict_func_obj = model.attr(predict_func.c_str());
   py::list input = py::cast(data);
   py::object result = predict_func_obj(input);
   
   // 将Python返回值转换为C++类型
   std::vector<int> output = py::cast<std::vector<int>>(result);

完整的代码示例：

#include <pybind11/embed.h>
#include <pybind11/stl.h>

namespace py = pybind11;

std::string predict_func = "predict";
std::string model_path = "model.pkl";

int main() {
    // 初始化Python解释器
    py::scoped_interpreter guard{};

    // 加载模型
    py::object model = py::module::import("sklearn.externals.joblib").attr("load")(model_path);

    // 准备输入数据
    std::vector<std::vector<double>> data = {{1.0, 2.0, 3.0}, {4.0, 5.0, 6.0}};

    // 调用Python函数
    py::object predict_func_obj = model.attr(predict_func.c_str());
    py::list input = py::cast(data);
    py::object result = predict_func_obj(input);

    // 将Python返回值转换为C++类型
    std::vector<int> output = py::cast<std::vector<int>>(result);

    // 输出结果
    for (auto i : output) {
        std::cout << i << " ";
    }
    std::cout << std::endl;

    return 0;
}

注意，需要在C++代码中引入需要使用的Python库，例如sklearn.externals.joblib等。另外需要注意的是，如果使用了虚拟环境，需要在初始化Python解释器之前设置环境变量PYTHONHOME和PYTHONPATH，以便正确地加载Python库。