ONNX-következtetés a Sparkon
Ebben a példában betanít egy LightGBM-modellt, és ONNX formátumba konvertálja a modellt. A konvertálást követően a modell használatával következtethet néhány tesztadatra a Sparkban.
Ez a példa a következő Python-csomagokat és -verziókat használja:
onnxmltools==1.7.0
lightgbm==3.2.1
- Csatolja a jegyzetfüzetet egy tóházhoz. A bal oldalon válassza a Hozzáadás lehetőséget egy meglévő tóház hozzáadásához vagy egy tóház létrehozásához.
- Előfordulhat, hogy telepítenie
onnxmltools
kell egy kódcellát,!pip install onnxmltools==1.7.0
majd futtatnia kell a cellát.
A példaadatok betöltéséhez adja hozzá a következő példakódokat a jegyzetfüzet celláihoz, majd futtassa a cellákat:
from pyspark.sql import SparkSession
# Bootstrap Spark Session
spark = SparkSession.builder.getOrCreate()
from synapse.ml.core.platform import *
df = (
spark.read.format("csv")
.option("header", True)
.option("inferSchema", True)
.load(
"wasbs://publicwasb@mmlspark.blob.core.windows.net/company_bankruptcy_prediction_data.csv"
)
)
display(df)
A kimenetnek a következő táblázathoz hasonlóan kell kinéznie, bár az értékek és a sorok száma eltérhet:
Kamatlefedettségi arány | Nettó jövedelem jelző | Saját tőke a felelősséghez |
---|---|---|
0.5641 | 1,0 | 0.0165 |
0.5702 | 1,0 | 0.0208 |
0.5673 | 1,0 | 0.0165 |
from pyspark.ml.feature import VectorAssembler
from synapse.ml.lightgbm import LightGBMClassifier
feature_cols = df.columns[1:]
featurizer = VectorAssembler(inputCols=feature_cols, outputCol="features")
train_data = featurizer.transform(df)["Bankrupt?", "features"]
model = (
LightGBMClassifier(featuresCol="features", labelCol="Bankrupt?", dataTransferMode="bulk")
.setEarlyStoppingRound(300)
.setLambdaL1(0.5)
.setNumIterations(1000)
.setNumThreads(-1)
.setMaxDeltaStep(0.5)
.setNumLeaves(31)
.setMaxDepth(-1)
.setBaggingFraction(0.7)
.setFeatureFraction(0.7)
.setBaggingFreq(2)
.setObjective("binary")
.setIsUnbalance(True)
.setMinSumHessianInLeaf(20)
.setMinGainToSplit(0.01)
)
model = model.fit(train_data)
A következő kód exportálja a betanított modellt egy LightGBM boosterbe, majd ONNX formátumba konvertálja:
import lightgbm as lgb
from lightgbm import Booster, LGBMClassifier
def convertModel(lgbm_model: LGBMClassifier or Booster, input_size: int) -> bytes:
from onnxmltools.convert import convert_lightgbm
from onnxconverter_common.data_types import FloatTensorType
initial_types = [("input", FloatTensorType([-1, input_size]))]
onnx_model = convert_lightgbm(
lgbm_model, initial_types=initial_types, target_opset=9
)
return onnx_model.SerializeToString()
booster_model_str = model.getLightGBMBooster().modelStr().get()
booster = lgb.Booster(model_str=booster_model_str)
model_payload_ml = convertModel(booster, len(feature_cols))
Az átalakítás után töltse be az ONNX hasznos adatait egybe ONNXModel
, és vizsgálja meg a modell bemeneteit és kimeneteit:
from synapse.ml.onnx import ONNXModel
onnx_ml = ONNXModel().setModelPayload(model_payload_ml)
print("Model inputs:" + str(onnx_ml.getModelInputs()))
print("Model outputs:" + str(onnx_ml.getModelOutputs()))
Képezze le a modell bemenetét a bemeneti adatkeret oszlopnevére (FeedDict), és képezze le a kimeneti adatkeret oszlopneveit a modell kimeneteihez (FetchDict).
onnx_ml = (
onnx_ml.setDeviceType("CPU")
.setFeedDict({"input": "features"})
.setFetchDict({"probability": "probabilities", "prediction": "label"})
.setMiniBatchSize(5000)
)
A modellel való következtetéshez az alábbi kód létrehozza a tesztadatokat, és átalakítja az adatokat az ONNX-modellen keresztül.
from pyspark.ml.feature import VectorAssembler
import pandas as pd
import numpy as np
n = 1000 * 1000
m = 95
test = np.random.rand(n, m)
testPdf = pd.DataFrame(test)
cols = list(map(str, testPdf.columns))
testDf = spark.createDataFrame(testPdf)
testDf = testDf.union(testDf).repartition(200)
testDf = (
VectorAssembler()
.setInputCols(cols)
.setOutputCol("features")
.transform(testDf)
.drop(*cols)
.cache()
)
display(onnx_ml.transform(testDf))
A kimenetnek a következő táblázathoz hasonlóan kell kinéznie, bár az értékek és a sorok száma eltérhet:
Index | Funkciók | előrejelzés | Probability |
---|---|---|---|
1 | "{"type":1,"values":[0.105... |
0 | "{"0":0.835... |
2 | "{"type":1,"values":[0.814... |
0 | "{"0":0.658... |