Xgboost: 1.0.0에서 생성된 모델은 0.90으로 로드할 수 없습니다.

install.packages('xgboost') 를 시도하셨습니까?

install.packages('xgboost') 를 시도하셨습니까?

그것은 잘 작동하지만 저장된 모델의 모든 예측(saveRDS 사용)은 numeric(0)을 생성합니다. openMP를 사용하여 훈련된 모델은 해당 프레임워크가 없는 컴퓨터에서 작동하지 않는 것 같습니다. 소스에서 컴파일하면 이 문제가 해결되기를 바랍니다.

소스에서 XGBoost를 컴파일하는 방법은 다음과 같습니다.

mkdir build
cd build
cmake .. -G"Visual Studio 14 2015 Win64" -DR_LIB=ON
cmake --build . --target install --config Release

예측에 대해 0을 얻는 이유를 찾을 수 있도록 모델 파일을 공유할 수 있습니까?

감사합니다. R 개체를 원하십니까 아니면 xgb.save.raw를 통해 변환하시겠습니까?

둘 다

당신의 도움과 지원에 감사드립니다(그리고 그러한 특별한 학습 프로그램을 만드는 데).

첨부 파일은 압축된 .rdata 파일입니다. 3개의 시스템(Mac, MacBook, Ubuntu)에서 다음 코드를 실행할 수 있습니다.

modelList <- readRDS("<path_to_folder>/modelList.rdata")
attach(modelList)
predictions_caret <- predict(object=caretModel, newdata=caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"])
predictions_xgbbase <- predict(object=xgbModel, newdata=as.matrix(caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"]))

그리고 다음 출력을 얻습니다.

> predictions_caret <- predict(object=caretModel, newdata=caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"])
[23:12:50] WARNING: ../..//amalgamation/../src/objective/regression_obj.cu:167: reg:linear is now deprecated in favor of reg:squarederror.
> head(predictions_caret)
[1] 14.0180358887 13.0352602005 12.9208145142 13.2430124283 13.6698570251
[6] 12.9033651352

> predictions_xgbbase <- predict(object=xgbModel, newdata=as.matrix(caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"]))
[23:16:17] WARNING: ../..//amalgamation/../src/objective/regression_obj.cu:167: reg:linear is now deprecated in favor of reg:squarederror.
> head(predictions_xgbbase)
[1] 14.0180358887 13.0352602005 12.9208145142 13.2430124283 13.6698570251
[6] 12.9033651352

시스템 4(CRAN에서 xgboost가 설치된 Windows 기반 R)에서는 매우 다른 결과를 얻습니다.

> predictions_caret <- predict(object=caretModel, newdata=caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"])
[23:18:04] WARNING: amalgamation/../src/objective/regression_obj.cu:152: reg:linear is now deprecated in favor of reg:squarederror.
> head(predictions_caret)
numeric(0)

> predictions_xgbbase <- predict(object=xgbModel, newdata=as.matrix(caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"]))
[23:18:41] WARNING: amalgamation/../src/objective/regression_obj.cu:152: reg:linear is now deprecated in favor of reg:squarederror.
> head(predictions_xgbbase)
numeric(0)

새로운 문제를 열어야 한다고 생각하지만 동일한 코드가 다른 시스템에서 다르게 작동하는 이유에 대해 알려주시면 감사하겠습니다.

마지막으로 xgbRaw가 포함되어 있으며(attach()를 사용하는 경우 호출 가능해야 함) 다음 코드로 생성되었습니다.

xgbRaw=xgb.save.raw(xgb.Booster.complete(caretModel$finalModel))

다시 한번 감사드립니다.

모델 목록.rdata.zip

아마도 omp 예외에 대한 dmlc 가드 때문일까요?

@leedrake5 컴퓨터가 OpenMP를 지원하지 않습니까?

@hcho3 원인을 찾으셨나요? 방금 OpenMP 없이 XGBoost를 컴파일했는데(CMakeList에 대한 일부 패치 포함) 외부 메모리 테스트가 예상대로 실패하고 hist 병렬 그룹 테스트도 실패했습니다(로컬 분기에서 수정함). 그러나 지금까지는 완벽한 예측 값을 얻을 수 있습니다.

@hcho3 내 컴퓨터는 openmp를 지원합니다. 그러나 우리는 이러한 모델을 산업적 규모로 배포하고 있으며 특정 사이트의 많은 컴퓨터에는 openmp가 없습니다. 우리는 6개월의 준비와 구현까지 1주일 후에 이것을 발견했습니다. 그래서 우리는 모델이 일부 컴퓨터에서는 작동하고 다른 컴퓨터에서는 작동하지 않는 이유를 알아내기 위해 분주히 움직이고 있습니다.

모델이 건설 환경에서만 작동해야 하는 이유에 대한 철학이 있다면 그 이유에 대한 유익한 오류를 얻을 수 있는 방법이 있습니까?

@leedrake5 버그입니다. openmp를 비활성화한 상태로 Ubuntu에서 이를 재현하려고 시도했지만 지금까지는 운이 없습니다.

@trivialfs 도움이 된다면 나와 대부분의 동료들은 Windows에서 버그를 경험하고 있습니다. 내 동료가 openmp 없이 우분투에서 재현할 수 있었지만.

멋진 것들(openmp, intelmkl, openblas 등)이 없는 R의 최소한의 설치가 그것을 재현할 수 있다고 생각하지만, 여전히 시스템의 어떤 부분이 문제를 일으키는지에 대해 머리를 감고 있습니다.

@leedrake5 Linux 배포판에서 재현할 수 있는 방법이 있다면 큰 도움이 될 것입니다!

google test, omp ...를 포함한 모든 옵션을 비활성화했지만 여전히 모델을 로드하는 올바른 결과를 얻었습니다. R 설치는 apt 의 기본 배포판입니다. XGBoost 예측과 관련이 없다고 생각합니다.

OpenMP로 인해 발생하지 않을 수 있습니다. 심지어 예측이 실제로 빗나가더라도 여전히 0이 아닌 전역 편향이 있습니다.

내가 생각할 수 있는 유일한 이유는 XGBoost가 실제로 설치되지 않는다는 것입니다. CRAN에서 테스트를 실행하는 것 같은데요? @hcho3

CMake 빌드와 autotools 빌드를 모두 시도했습니다. 이것은 install.packages(...) (autotools 빌드)에서 보고한 컴파일 플래그입니다.

g++ -std=gnu++11 -I"/usr/share/R/include" -DNDEBUG -I../..//include -I../..//dmlc-core/include -I../..//rabit/include -I../../ -DXGBOOST_STRICT_R_MODE=1 -DDMLC_LOG_BEFORE_THROW=0 -DDMLC_ENABLE_STD_THREAD=1 -DDMLC_DISABLE_STDIN=1 -DDMLC_LOG_CUSTOMIZE=1 -DXGBOOST_CUSTOMIZE_LOGGER=1 -DRABIT_CUSTOMIZE_MSG_ -DRABIT_STRICT_CXX98_    -DDMLC_CMAKE_LITTLE_ENDIAN=1 -pthread -fpic  -g -O2 -fdebug-prefix-map=/build/r-base-el7SHG/r-base-3.5.2=. -fstack-protector-strong -Wformat -Werror=format-security -Wdate-time -D_FORTIFY_SOURCE=2 -g -c ../..//amalgamation/xgboost-all0.cc -o ../..//amalgamation/xgboost-all0.o

@trivialfis XGBoost 가 CRAN에서 성공적으로 설치되고 라이브러리(xgboost)가 문제 없이 작동하므로 더욱 궁금합니다.

내 동료가 openmp 없이 우분투에서 재현할 수 있었지만.

번식 방법을 친절하게 공유할 수 있습니까?

내 동료가 openmp 없이 우분투에서 재현할 수 있었지만.

번식 방법을 친절하게 공유할 수 있습니까?

그들이 리눅스 시스템의 작동 방식에 대해 충분히 알고 있는지 확신할 수 없지만 제공할 수 있는 진단을 알고 있다면 알려주십시오.

제 경우에는 문제를 복제할 수 있는 가상 상자 우분투 설치를 만들려고 합니다. 성공하면 다운로드 링크를 보내드리겠습니다.

Linux에서 문제를 성공적으로 재현했습니다. 첨부된 스크린샷을 참조하십시오.

가상 박스를 드롭박스에 업로드 중입니다. 그러나 처음부터 설치하려는 경우 복제 지침은 다음과 같습니다.

1. 버추얼박스 다운로드 및 설치
2. 우분투 바이오닉 비버 빌드를 다운로드합니다(우분투-18.04.3-desktop-amd64 사용).
3. 다음 지침을 따르십시오: https://medium.com/@mannycodes/installing -ubuntu-18-04-on-mac-os-with-virtualbox-ac3b39678602. 고정 15GB 가상 드라이브를 사용했습니다.
4. 다음을 통해 R 3.6.2를 구성합니다.

sudo apt-get update
sudo apt-get install vim
sudo vim /etc/apt/sources.list
i
deb https://cloud.r-project.org/bin/linux/ubuntu bionic-cran35/
<esc> :wq
gpg --keyserver hkp://keyserver.ubuntu.com:80 --recv-keys E298A3A825C0D65DFD57CBB651716619E084DAB9
gpg -a --export E298A3A825C0D65DFD57CBB651716619E084DAB9 | sudo apt-key add -
sudo apt-get update
sudo apt-get install r-base-dev

1. R에 패키지 설치

install.packages(c("caret", "xgboost"))

1. R에서 패키지 로드

library(caret)
library(xgboost)

1. 데이터 로드

modelList <- readRDS("~/Desktop/modelList.rdata")
attach(modelList)

1. 예측을 시도하다

predict(object=xgbModel, newdata=as.matrix(caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"]))

그리고 이것은 이제 친숙한 결과를 반환했습니다.

[13:00:55] 경고: amalgamation/../src/objective/regression_obj.cu:152: reg:linear 는 이제 reg:squarederror 대신 사용되지 않습니다.
숫자(0)

참고: 명시적 호출 라이브러리를 시도하고 예측만 시도했습니다. 둘 다 동일한 숫자(0) 응답을 생성했습니다.

7z 압축 가상 인스턴스 링크: https://www.dropbox.com/s/ld06zz798m0segf/UbuntuDebug.7z?dl=0

먼저 가상 상자를 얻을 수 있습니다. 저는 보통 KVM을 사용합니다.

지금 이것을보고 있습니다.

@leedrake5 귀하가 제공한 가상 머신에서 문제를 재현할 수 있었습니다. saveRDS 및 xgb.save.raw 에 문제가 있는 것 같습니다. 대신 xgb.save 및 xgb.load 를 사용해 보셨습니까? 이 함수 집합은 XGBoost 모델의 "네이티브" 형식을 사용하며 R 환경에 특정한 속성을 저장하지 않습니다. R 패키지에서 Python으로 모델을 전송하려는 경우에 유용합니다.

원시 저장은 문제가 되지 않습니다. 문제는 R이 R 코드를 직렬화하는 방법에 있을 수 있습니다. 이러한 종류의 직렬화 로드에 영향을 줄 수 있는 새로운 선택적 매개변수를 예측에 추가했습니다. 나는 그것을 조사해 보았지만 Python pickle의 문제와 마찬가지로 정말 기발한 것 같습니다.

@trivialfis 잠재적으로 이것을 우회할 수 있는 예측 기능의 옵션에 대한 아이디어가 있습니까? 내 생각에는 CPU 명령과 관련이 있으며 패키지에서 처리할 수 있는 것보다 R에서 더 깊을 수 있습니다.

@hcho3 현재 데이터 파이프에 xgb.save.raw를 추가하고 도움이 되는지 확인하겠습니다. 내가 보낸 예제에서는 예측이 작동하는 컴퓨터에서 xgb.save.raw를 사용하여 이것을 시도했지만 불행히도 xgb.load에서 여전히 numeric(0)으로 이어집니다. 분명히 이것은 모델이 이미 saveRDS를 통해 저장된 이후였기 때문에 생성된 환경에서 여전히 작동하지만 해당 프로세스에 대한 무언가가 모델을 손상시킬 수 있습니다.

내가 말할 수 있는 한, 모델이 사용되는 모든 환경에 존재해야 하는 모델이 생성된 환경에 대해 여전히 무언가가 있습니다. 나는 그것이 무엇인지 모른다.

아니요, xgb.save 가 아니라 xgb.save.raw 입니다.

@trivialfis XGBoost 패키지는 CRAN에서 여전히 0.90입니다.

xgb.save를 시도하고 xgb.load()를 통해 R에 로드했고 같은 숫자(0)를 사용했습니다. xgb.save에서 첨부 참조

xgbModelSaved.xgb.zip

또한 이 스레드의 앞부분에서 모델을 생성한 동일한 컴퓨터에서 modelList의 데이터를 사용하여 동일한 방법을 테스트했습니다.

xgb.save, xgb.save.raw, saveRDS 등의 슬라이스 방법에 관계없이 모델이 생성된 컴퓨터 환경에는 다른 곳에서 사용을 금지하는 무언가가 있습니다.

제공해 주신 모델 파일을 사용하여 문제를 재현할 수 있습니다. 그러나 모델 파일이 어떻게 생성되었는지 알 수 없습니다. 더 많은 컨텍스트를 제공할 수 있습니까?

• OS
• XGBoost 버전
• 모델 저장 명령

OS X(카탈리나). 소스에서 XGBoost 빌드, 1.0(시스템에서 지원되는 openMP). saveRDS를 사용하여 원래 저장한 모델입니다. 나는 그것을 다시 실행하고 다른 방법을 통해 저장하고 다시 보고할 것입니다.

모델을 처음부터 다시 생성하고 xgb.save를 사용하여 저장하고(예: 예측 데이터를 제외하고 saveRDS 또는 readRDS를 사용하지 않음) xgb.load를 사용하여 로드했습니다. 동일한 결과 - 모델 생성에 사용된 컴퓨터 시스템(OS X, XGB 1.0)에서는 예측이 작동하고 다른 시스템(Windows 7, XGB 0.9)에서는 실패합니다. 그것과 modelList를 이 메시지에 첨부합니다. 이 문제를 진단하는 데 도움이 될 수 있는 다른 작업이 있으면 알려주세요.

xgb_model <- xgb.load("Z:/Desktop/newxgbModelSaved.xgb")
modelList <- readRDS("Z:/Desktop/modelList2.rdata")
attach(modelList)
predict(object=xgb_model, newdata=as.matrix(caretModel$trainingData[,!colnames(caretModel$trainingData) %in% ".outcome"]))
numeric(0)

newxgbModelSaved.xgb.zip

modelList2.rdata.zip

@leedrake5 Windows에서 XGBoost 1.0을 사용할 수 있습니까?

@trivialfis 이것은 모델 파일의 이전 버전과의 호환성 문제일 수 있습니다.

확실히 버전업입니다. 방금 XGBoost의 1.0 버전을 삭제하고 CRAN에서 0.9를 설치했으며 위에서 설명한 방법이 작동했습니다.

최신 릴리스 를 사용하여 소스에서 0.90을 설치하려고 시도했지만 dmlc-core 폴더가 비어 있으므로 Cmake에서 필요한 오류가 발생합니다. 그러나 이것은 계속해서 openMP 기능을 유지하고 싶습니다.

내가 참조. Windows에 1.0.0 버전을 설치하려고 했습니까?

이상하게도 이것이 이 스레드의 초기 이유였습니다. 시도하지만 프로젝트가 더 이상 기다릴 수 없기 때문에 지연이 있을 것입니다. 이것이 문제라면 내가 보낸 우분투 가상 이미지에 소스에서 1.0을 설치하면 같은 문제가 해결될 것이라고 생각합니다.

@leedrake5 네, XGBoost 버전과 일치해야 합니다. 모든 곳에서 0.90을 사용하거나 모든 곳에서 1.0.0을 사용하십시오.

@trivialfis 바이너리 모델 형식을 크게 변경한 것을 기억합니다. 맞나요?

아니요, 우리는 이전 버전과 호환됩니다. 1.0은 확실히 0.9에서 모델을 로드해야 합니다.

@trivialfis 설명 감사합니다. 이 경우 이전 버전과의 호환성을 예상하고 반례를 찾았으므로 이 티켓을 버그로 처리해 보겠습니다. 이번주에 봐야겠다.

제 생각에는 제안된 제목 변경이 거꾸로 된 것 같습니다. 1.0에서 생성된 모델은 0.90에서 예측하는 데 사용할 수 없습니다. 버전 간에 어느 정도의 호환성이 의도되었는지는 모르겠지만 최소한 정보를 제공하는 오류가 도움이 될 것입니다.

이런, 나쁜.

@trivialfis @leedrake5 가 요구하는 것은 순방향 호환성, 즉 1.0.0에서 0.90으로 모델을 로드하는 것입니다. 이것이 우리가 약속하는 것인지 확실하지 않습니다.

@leedrake5 Ubuntu 가상 머신에 1.0.0을 설치하려고 시도했는데 이제 RDS 파일이 제대로 로드되고 실수 벡터가 표시됩니다. 따라서 버전 문제일 가능성이 큽니다.

편집하다. 스크린샷의 경고 메시지는 Loading model from < 1.0.0, consider saving it again 입니다. 모델이 1.0.0에서 생성되었다는 점을 감안할 때 이것은 여기에 있으면 안됩니다.

나는 동의한다. 문제가 무엇인지에 대한 수렴을 설정하게 되어 매우 기쁩니다.

불행히도 프로덕션 관점에서 대량 버전(에고, CRAN 설치)으로 배포할 수 있는 모델을 만들어야 합니다. 하지만 여기서부터 XGBoost가 작동하도록 하는 방법을 알고 있습니다. 이것이 절대적인 임계점입니다.

릴리스 또는 트리에서 다운로드한 소스에서 0.9를 설치하는 데 여전히 문제가 있지만 문제를 찾은 것 같습니다. cub, dmlc-core, rabit, 모두 이 다운로드에서 빈 폴더입니다. 그들은 또한 @폴더 뒤 - 어떤 폴더가 비어 있는지와 관련이 있다고 생각합니다. 해당 링크를 따라가면 폴더를 다시 빌드하고 설치를 계속할 수 있습니다.

스크린샷 참조:

예, git 하위 모듈을 사용하므로 빌드 지침에서 git clone --recursive 를 사용하여 소스에서 설치하도록 요청합니다. CRAN 설치가 부족한 상황이신가요? 모든 곳에서 0.90을 사용하여 문제가 해결되면 모든 곳(Linux, Mac, Windows)에 CRAN 설치를 사용할 수 있습니까?

예 - CRAN은 모델 생성에 큰 도움이 되는 openMP를 허용하지 않습니다. 따라서 소스에서 xgboost 0.90을 컴파일하여 다시 작동시키는 방법을 알아내는 데 시간을 할애할 것입니다. 이 문제를 진단하는 데 도움을 주셔서 감사합니다.

@leedrake5

알았어요. 지금은 git 하위 모듈을 포함하여 전체 소스 코드를 가져오는 데 사용할 수 있는 명령이 있습니다.

git clone --recursive https://github.com/dmlc/xgboost -b release_0.90

이것은 XGBoost 소스 코드를 가져와서 rabit, cub, dmlc-core 디렉토리를 채워야 합니다. -b release_0.90 는 최신 버전이 아닌 0.90 버전을 얻는 데 사용됩니다.

곁에:

CRAN은 openMP를 허용하지 않습니다

이것은 실제로 1.0.0에서 수정되었습니다. 곧 CRAN에서 1.0.0 버전을 얻으려고 노력할 것입니다.

감사합니다. 모든 면에서 감사합니다!

@hetong007 CRAN에 1.0.0을 제출할 수 있나요?

@hcho3 유효한 엔디안 감지가 있다는 점을 감안할 때 좋은 것 같습니다. 일주일 안에 제출하겠습니다.

@hetong007 업데이트가 있습니까? 어떤 식으로든 도움이 된다면 알려주세요.

@hcho3 아 네. 솔라리스 테스트를 위한 환경이 있는지 묻고 싶습니다. 0.9부터 솔라리스에 해결되지 않은 오류가 있습니다. https://www.r-project.org/nosvn/R.check/r-patched-solaris-x86/xgboost-00check.html 항복.

@hetong007 방금 VirtualBox와 함께 실행할 수 있는 Oracle에서 Solaris VM 이미지를 다운로드했습니다. 문제를 재현해 보겠습니다.

@hetong007 Solaris에서 R 환경을 설정하는 데 많은 문제가 있습니다. 특히 awk 와 같은 유틸리티는 Solaris에서 다르게 작동하기 때문에 igraph 및 testthat $와 같은 R 패키지를 설치할 수 없습니다. 어떻게 더 진행해야 할지 모르겠습니다.

@hcho3 좀 더 명확하게 해주시겠습니까? testthat 가 CRAN에서 솔라리스 검사를 통과했다면 install.packages('testthat') 를 사용하여 R 콘솔에 패키지를 설치할 수 있습니다.

@hetong007 igraph 패키지는 구성 단계에서 awk 를 사용하고 Solaris의 awk 는 GNU awk와 호환되지 않는 기능입니다. GNU awk를 설치할 수 있지만 gawk 라고 합니다. R이 awk gawk 를 사용하도록 하는 방법을 계속 알아내려고 합니다.

@hcho3 좋아, 끔찍하게 들린다. 진행 방법에 대한 지식도 없습니다. 방금 CRAN에서 igraph 의 결과 페이지를 살펴보았습니다: https://cran.r-project.org/web/checks/check_results_igraph.html. 우리가 더 나빠지지 않을 것이라고 느낍니다. 상관없이 제출하겠습니다.

@hetong007 감사합니다. 언젠가는 솔라리스 테스트로 돌아가려고 합니다. 방법이 있다고 확신합니다.

@hetong007 아 네, 코드 제출시 release_1.0.0 브랜치를 사용하셔야 합니다.

@hcho3 사전 확인 경고:

* checking whether package 'xgboost' can be installed ... WARNING
Found the following significant warnings:
  amalgamation/../src/common/hist_util.cc:666:72: warning: 'void* memset(void*, int, size_t)' clearing an object of non-trivial type 'struct xgboost::tree::GradStats'; use assignment or value-initialization instead [-Wclass-memaccess]
See 'd:/RCompile/CRANguest/R-devel_gcc8/xgboost.Rcheck/00install.out' for details.

00install.out 파일은 여기에 있습니다(~72시간 이내 사용 가능): https://win-builder.r-project.org/v6XJQBjzgMaW/00install.out

빠른 수정이 가능하지 않을까요?

@hetong007 이게 블로커인가요? Memset은 히스토그램(구조 배열)을 제로화하는 속도를 높이는 데 사용되었습니다. 이것이 CRAN을 차단하는 경우 R 패키지가 대신 일반 생성자를 사용하도록 매크로 가드를 배치합니다.

@hcho3 네 차단기입니다. 사전 확인은 자동화되어 제출은 경고 없이 통과해야 합니다. 매크로는 충분히 좋은 것 같습니다. 감사합니다!

@hcho3 먼저 std::fill 를 사용해 주시겠습니까? 컴파일러조차도 memset 로 최적화하지 못할 수 있습니다. 가시적인 성능 영향을 미칠 만큼 중요하지 않다고 생각합니다.

@hetong007 필요한 변경을 했습니다(https://github.com/dmlc/xgboost/commit/3550b16a34055bc8ec33bf0b7006448e8c1a4eca). 다시 시도할 수 있나요?

@trivialfis memset 를 대체하기 위해 별도의 pull 요청을 제출하겠습니다.

@hcho3 수정해주셔서 감사합니다! 심각한 문제가 없으면 CRAN으로 가는 것입니다.

@hcho3 그래서 리플리 교수의 솔리스에서는 실패합니다:

On Solaris it was quicker to diagnose the problems with the GCC compilers:

amalgamation/../src/common/io.cc:120:27: error: ‘POSIX_FADV_SEQUENTIAL’
was not declared in this scope
    posix_fadvise(fd, 0, 0, POSIX_FADV_SEQUENTIAL);

amalgamation/../src/common/io.cc:120:48: error: ‘posix_fadvise’ was not
declared in this scope
    posix_fadvise(fd, 0, 0, POSIX_FADV_SEQUENTIAL);

As 'Writing R Extensions' told you, you need to use configure to test
for the presence of non-standard C/C++ functions.  In this case, it
seems that line is not actually necessary.

@hetong007 반갑습니다. 문제를 디버깅하는 데 시간을 할애해 주셔서 감사합니다. Windows 및 Linux에서 XGBoost를 테스트할 수 있는 적절한 테스트 시설만 있으므로 적절한 Linux 환경에서만 실행되도록 해당 라인을 보호하겠습니다. 이상적으로는 비표준 C++ 기능이 CI의 일부로 먼저 테스트되지 않는 한 사용해서는 안 됩니다. 또한 다른 비표준 C++ 기능에 대한 코드베이스를 스캔하고 제거해야 합니다. cc @trivialfis

@hcho3 는 나에게 좋게 들린다. 리플리 교수의 CRAN에 대한 새로운 제출 마감일은 2020-04-06입니다. 자세한 설치 로그에 관심이 있으시면 https://cran.r-project.org/web/checks/check_results_xgboost.html 을 방문하십시오.

@hetong007 커밋 https://github.com/dmlc/xgboost/commit/d83db4844bae5969609e58cd6bb201e7831cfaa3 에서 문제를 해결해야 합니다. 마침내 나는 최신 R이 내 Solaris VM과 함께 작동하고 XGBoost에 대한 CRAN 검사를 실행할 수 있었습니다.

@hcho3 훌륭해 ! Solaris에서 수표를 통과하도록 하였으므로 받아도 됩니까?

예, 지금 제출해야 합니다.

안녕하세요, 저는 Python과 유사한 문제에 직면해 있습니다. xgboost 1.0.1을 통해 모델을 저장하고 xgboost 0.9를 통해 로드했는데 예측은 빈 목록입니다. 우리 프로덕션 환경은 xgboost 0.9를 사용하고 있기 때문에 xgboost-1.0을 통해 저장된 모델을 xgboost 0.9에 로드할 수 있는 방법이 있는지 궁금합니다.

@hcho3 스냅샷을 공유할 수 있는 방법이 있나요? 추가 제출에도 유용합니다.

@sunhs 저도 비슷한 문제에 직면하고 있습니다. 이 문제를 해결할 수 있었습니까?

@giladmaya 아니요. 여러 가지 방법을 시도한 후 마침내 모델을 다시 학습시키면 시간이 절약된다는 결론을 내렸습니다.

새로운 버전의 모델이 이전 버전에서 지원될 것이라고 약속할 수 없기 때문에 닫습니다. PlayStation 4를 구입하고 PlayStation 5용으로 개발된 게임을 로드하는 것과 같습니다.

우리는 이전 버전과의 호환성만을 약속하므로 이전 버전을 사용하여 모델을 저장하고 새 버전을 사용하여 다시 로드할 수 있습니다. 이는 모델 형식이 시간이 지남에 따라 점진적으로 발전할 수 있도록 하기 위한 것입니다.