taking address of temporary array

[jdubz93]

XGBoost Classifier generated code for objective = 'binary:logistic', does not compile in c++

The last line that copies the prediction to what i am assuming to be a 0 or 1 sigmoid output value.

memcpy(output, (const double[]){(1.0) - (var1000), var1000}, 2 * sizeof(double));

gives this error:

error: taking address of temporary array
     memcpy(output, (double[]){(1.0) - (var1000), var1000}, 2 * sizeof(double));
                                    ^~~~~~~~~~~~~~~~~~~~~~~~~~~~

it highlights this part:

{(1.0) - (var1000), var1000}

does anyone know how I can fix this error? And what if I just returned the raw values from var1000 could that work also?

Compiler:

g++ (Ubuntu 7.5.0-3ubuntu1~18.04) 7.5.0

CXX_FLAGS

-std=c++11

[StrikerRUS]

Hey @jdubz93 !

Thanks for raising this issue! Is it possible to share your model? If not, could you please reproduce the error with a model trained on a random data?

Also, I see the const qualifier, but m2cgen doesn't use it. Did you modify a generated code?

memcpy(output, (const double[]){ ...
         ---------^---------

[jdubz93]

I have no problem sharing the model but you should know it’s 1 million lines of code. What method should I use to deliver it? Would google drive be best? Also I will try with random data just to rule out a dependency version issue.

[jdubz93]

Also yes I added const to the last line because of a stack overflow suggestion. The error still was the same. The rest of the code is untouched.

Note the line I posted above the error and the error itself came from two different attempts. The error was from the first attempt untouched code then I added the const on a second attempt. Which did not resolve the issue either.

[jdubz93]

import xgboost as xgb
​
xgb.__version__
'1.4.2'

m2c.__version__
'0.9.0'

When trying on random data I get:

RecursionError: maximum recursion depth exceeded while calling a Python object

When I use:

import sys

sys.setrecursionlimit(2147483647)

the error goes away

Model Used + Random Data:

from sklearn.datasets import load_breast_cancer
from xgboost import XGBClassifier

import m2cgen as m2c

X, y = load_breast_cancer(return_X_y=True)
xgb_model_random = XGBClassifier(
        use_label_encoder=False,
        objective = 'reg:logistic',
        colsample_bytree = 1,
        eta = 0.01,
        grow_policy = 'lossguide',
        max_depth = 8,
        min_child_weight = 0.15,
        n_estimators = 1000,
        subsample = 0.75)

xgb_model_random.fit(X, y, verbose=False)

And the model used with the random data has the same exact output / issue:

#include <math.h>
#include <string.h>
void score(double * input, double * output) {
    double var0;
# top of file ^
  ..........
# near end of file
    double var1000;
    var1000 = (1.0) / ((1.0) + (exp((0.0) - ((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((((var0) + (var1)) + (var2)) + (var3)) .... etc
    memcpy(output, (double[]){(1.0) - (var1000), var1000}, 2 * sizeof(double));

Here is my entire conda environment: conda_environment.txt

Here is the random model (which is the same as the other model minus the data, but same issue. random_model_test.txt

G++ Compiler used:

https://releases.linaro.org/components/toolchain/binaries/7.5-2019.12/arm-linux-gnueabihf/gcc-linaro-7.5.0-2019.12-x86_64_arm-linux-gnueabihf.tar.xz

[StrikerRUS]

OK, thanks for sharing the code with random data to reproduce the error! I'll try it on my end.