microsoft/hummingbird

这是什么？

核心功能

• 01将 scikit-learn 树模型、随机森林、LightGBM 和 XGBoost 模型转换为张量计算
• 02可输出到 PyTorch、TorchScript、ONNX 和 TVM 后端
• 03为转换后的模型提供 scikit-learn 风格的预测接口
• 04支持在 CPU 或 GPU 上运行预测
• 05支持保存和加载转换后的模型

适用场景

• 在 GPU 上加速已训练随机森林的批量推理
• 将经典机器学习模型与神经网络统一部署在基于 PyTorch 的服务中
• 将树模型导出到 ONNX 或 TVM，以便脱离 Python 环境执行

快速上手

1. 1

   从 pytorch.org 安装适合你平台的 PyTorch（1.6.0 或更高版本）

2. 2

   通过 pip 安装 Hummingbird

   python -m pip install hummingbird-ml
3. 3

   导入 hummingbird.ml 后，使用 convert(model, 'pytorch') 转换已训练的 scikit-learn 模型

使用前须知

• !使用 Hummingbird 前必须先单独安装 PyTorch。
• !TVM 后端仅支持 Python 3.10。
• !它只支持 scikit-learn、LightGBM 和 XGBoost 中指定的部分模型和特征转换器，并非全部。

收录于专题

标签

常见问题

hummingbird 是什么？

一个 Python 库，可将训练好的传统机器学习模型编译为张量计算，以便在 PyTorch、ONNX 等后端上加速推理。 Hummingbird 可将训练好的传统机器学习模型转换为张量计算，使其能够运行在神经网络框架上。支持 scikit-learn 的决策树、随机森林，以及 LightGBM 和 XGBoost 的分类器与回归器，可转换到 PyTorch、TorchScript、ONNX 或 TVM，无需重写模型。

hummingbird 可以免费使用吗？用的什么许可证？

hummingbird 以 MIT 许可证开源。用于商业产品前，请先确认许可证条款。

hummingbird 还在维护吗？

半年内有更新。hummingbird 最近一次提交是在 2026年9月14日。

hummingbird 适合用来做什么？

在 GPU 上加速已训练随机森林的批量推理 将经典机器学习模型与神经网络统一部署在基于 PyTorch 的服务中 将树模型导出到 ONNX 或 TVM，以便脱离 Python 环境执行

hummingbird 怎么安装和运行？

从 pytorch.org 安装适合你平台的 PyTorch（1.6.0 或更高版本） 通过 pip 安装 Hummingbird: python -m pip install hummingbird-ml 导入 hummingbird.ml 后，使用 convert(model, 'pytorch') 转换已训练的 scikit-learn 模型

在哪里获取 hummingbird？

源代码和安装说明在 GitHub 上：https://github.com/microsoft/hummingbird