посредством onnx.
Насколько я понимаю, основная цель данного функционала - ускорение инференса изначально лгбм модели. Но ведь основной затык в медленном инференсе лайтгбм - ассиметричные деревья, а после трансформации lgb модели в катбуст структура модели не поменяется. За счет чего может быть ускорение тогда (мб catboost как-то оптимальнее инференсится на lossguide деревьях в отличии от лгбм) или вообще цель такой трансформации не в ускорении инференса?
Все фреймворки ML хороши, в основном лучшие показатели зависят от набора данных. На одних данных - один лучше, на других - другой.
вопрос ведь не о том
Обсуждают сегодня