c++序列化方法

1. 暂时使用boost 序列化， 目前我的测试基本都ok 只是对于c++11 shared ptr 没有测试成功，只能手工写下shared ptr 部分的序列化，也就是目前我对指针都不直接序列化，自己管理，例如下面样子

   Load_(modelFile); //model直接序列化

   string normalizerName = read_file(OBJ_NAME_PATH(_normalizer));

   if (!normalizerName.empty())

   { //由于没有利用shared ptr直接序列化，不知道具体信息，所以我save的时候写了normalzier类型名字到文本，load时候通过这个确定类型

   _normalizer = NormalizerFactory::CreateNormalizer(normalizerName, OBJ_PATH(_normalizer));

   }

   string calibratorName = read_file(OBJ_NAME_PATH(_calibrator));

   if (!calibratorName.empty())

   {

   _calibrator = CalibratorFactory::CreateCalibrator(calibratorName, OBJ_PATH(_calibrator));

   }

   static NormalizerPtr CreateNormalizer(string name)

   {

   boost::to_lower(name);

   if (name == "minmax" || name == "minmaxnormalizer")

   {

   return make_shared<MinMaxNormalizer>();

   }

   if (name == "gaussian" || name == "gaussiannormalizer")

   {

   return make_shared<GaussianNormalizer>();

   }

   if (name == "bin" || name == "binnormalizer")

   {

   return make_shared<BinNormalizer>();

   }

   LOG(WARNING) << name << " is not supported now, do not use normalzier, return nullptr";

   return nullptr;

   }

      

   static NormalizerPtr CreateNormalizer(string name, string path)

   {

   NormalizerPtr normalizer = CreateNormalizer(name);

   if (normalizer != nullptr)

   {

   normalizer->Load(path); //normalzier直接序列化

   }

   return normalizer;

   }

      

   @TODO 确认下是否没有办法直接序列化shared ptr，

   另外可以尝试下开源的专门序列化库creal，creal仿照boost 序列化 同时boost序列化只支持binary，文本，xml三种序列化，文本序列化可读性不强，binary速度最快，xml可读性最高速度慢一些。我一般只用binary和xml格式。而creal 支持json格式的输出，号称支持shared ptr

      

   同一个模型boost序列化速度

	Binary	Text
Save	1.8	2.29
Load	1.9	2.67

   

   

1. 如果需要xml输出，boost的序列化写法和只需要binary输出不一样，建议采用支持xml输出的写法这样互相都兼容。

      

   friend class boost::serialization::access;

   template<class Archive>

   void serialize(Archive &ar, const unsigned int version)

   {

   /*        ar & boost::serialization::base_object<Predictor>(*this);

   ar & _weights;

   ar & _bias;*/ //这种写法只支持binary

   ar & BOOST_SERIALIZATION_BASE_OBJECT_NVP(Predictor);

   ar & BOOST_SERIALIZATION_NVP(_weights); //这样宏比较方便 如果需要改名字比如_weights->weights可以使用原函数

   ar & BOOST_SERIALIZATION_NVP(_bias);

   }

      

      

2. 采用python脚本自动生成序列化部分的代码。因为和c#不一样 c#是默认都可以序列化，如果不需要序列化，你可以类似#define指定，而boost默认都不序列化，需要序列化的地方需要显示都写上

   

   Predictors]$ get-lines.py LinearPredictor.h 98 99 | gen-boost-seralize-xml.py

      

   friend class boost::serialization::access;

   template<class Archive>

   void serialize(Archive &ar, const unsigned int version)

   {

   ar & BOOST_SERIALIZATION_NVP(_weights);

   ar & BOOST_SERIALIZATION_NVP(_bias);

   }

      

4. 对于Predictor 默认是Save二进制，可选的SaveXml方式这个自动支持，可选的SaveText这个是特定的Precitor子类型如果有需要手动写的文本输出格式。

xml输出类似这样

   

转换为json

xml2json.py model.xml > model.json

more model.json

采用json pretty print来查看json文件

jpp.py model.json | more

   

Xml2tojson.py 利用xmltodict 进行向json的转换

   

import sys,os

import xmltodict, json

doc = xmltodict.parse(open(sys.argv[1]), process_namespaces=True)

print json.dumps(doc)

   

Jpp.py

import sys,os

import json

s = open(sys.argv[1]).readline().decode('gbk')

print json.dumps(json.loads(s),sort_keys=True, indent=4, ensure_ascii=False).encode('gbk')

   

1. 如何更方便的查看输出的模型？

   小的模型输出直接看xml文本就好，如果数据比较多处理xml不是很方便，json好一些 用python，

   但是如果转换为json的map也不是很方便因为你要按照key去访问string类型是没有自动提示的

      

   In [6]: import json

      

   In [7]: m = json.loads(open('./model.json').readline())

      

   In [8]: m.keys()

   Out[8]: [u'boost_serialization']

      

   In [9]: m['boost_serialization'].keys()

   Out[9]: [u'@version', u'@signature', u'data']

      

   In [18]: m['boost_serialization']['data']['_trees']['item'][0].keys()

   Out[18]:

   [u'_gainPValue',

   u'@tracking_level',

   u'@class_id',

   u'_lteChild',

   u'_gtChild',

   u'_maxOutput',

   u'_leafValue',

   u'NumLeaves',

   u'_splitGain',

   u'_splitFeature',

   u'_previousLeafValue',

   u'_threshold',

   u'@version',

   u'_weight']

      

   In [19]: m['boost_serialization']['data']['_trees']['item'][0]['_splitGain']['item'][10]

   Out[19]: u'3.89894126598927926e+00'

      

   由于python提示的时候_开头的作为private默认是不提示的，因此做了修改

   #include "conf_util.h"

   #include <boost/serialization/nvp.hpp>

   #define GEZI_SERIALIZATION_NVP(name)

   boost::serialization::make_nvp(gezi::conf_trim(#name).c_str(), name)

      

   这样展示的就是gainPvalue这样没有_开头了

      

   利用python的自省功能可以把json解析得到的dict数据，string作为key的转为一个python object方便访问如下

   def h2o(x):

   if isinstance(x, dict):

   return type('jo', (), {k: h2o(v) for k, v in x.iteritems()})

   elif isinstance(x, list):

   l = [h2o(item) for item in x]

   return l

   else:

   return x

      

   def h2o2(x):

   if isinstance(x, dict):

   return type('jo', (), {k: h2o2(v) for k, v in x.iteritems()})

   elif isinstance(x, list):

   return type('jo', (), {"i" + str(idx): h2o2(val) for idx, val in enumerate(x)})

   return l

   else:

   return x

      

   def xmlfile2obj(path):

   import xmltodict

   doc = xmltodict.parse(open(path), process_namespaces=True)

   return h2o(doc)

      

   def xmlfile2obj2(path):

   import xmltodict

   doc = xmltodict.parse(open(path), process_namespaces=True)

   return h2o2(doc)

      

   这样对于序列化之后的xml文件可以直接使用 m = xmlfile2obj('*.xml') 或者 m = xml2obj2('*.xml')

   建议是用第一种，是标准转换，提供第二个接口主要是python的自动提示对于list的item就没有了，只能dir()查看。。

   第二种将[3]这样转为了.i3也就是去掉了所有list都用dict表示。

      

   m = xmlfile2obj('./model.xml')

   In [14]: m.boost_serialization.data.trees.item[0].splitGain.item[13]

   Out[14]: u'3.26213753939964946e+00'

      

   m = xmlfile2obj2('./model.xml')

   In [16]: m.boost_serialization.data.trees.item.i0.splitGain.item.i13

   Out[16]: u'3.26213753939964946e+00'