共用方式為

ONNX - Spark 上的推斷

  • 發行項

在此範例中，您會將 LightGBM 模型定型，並將模型轉換成 ONNX 格式。 轉換之後，可以使用模型來推斷 Spark 上的一些測試資料。

此範例使用下列 Python 套件和版本：

  • onnxmltools==1.7.0
  • lightgbm==3.2.1

必要條件

  • 將筆記本連結至 Lakehouse。 在左側，選取 [新增]，以新增現有的 Lakehouse 或建立 Lakehouse。
  • 您可能需要在程式碼儲存格中新增 !pip install onnxmltools==1.7.0，然後執行儲存格來安裝 onnxmltools。

載入範例資料

若要載入範例資料，請將下列程式碼範例新增至筆記本中的儲存格，然後執行儲存格：

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)

輸出看起來應該類似下表，不過值和資料列數目可能會有所不同：

利息涵蓋率 淨利旗標 權益轉負債
0.5641 1.0 0.0165
0.5702 1.0 0.0208
0.5673 1.0 0.0165

使用 LightGBM 來定型模型

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)

將模型轉換成 ONNX 格式

下列程式碼會將定型的模型匯出至 LightGBM 助推器，然後將其轉換成 ONNX 格式：

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))

轉換之後，將 ONNX 承載載入 ONNXModel，並檢查模型輸入和輸出：

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()))

將模型輸入對應至輸入 DataFrame 的資料行名稱 (FeedDict)，並將輸出 DataFrame 的資料行名稱對應至模型輸出 (FetchDict)。

onnx_ml = (
    onnx_ml.setDeviceType("CPU")
    .setFeedDict({"input": "features"})
    .setFetchDict({"probability": "probabilities", "prediction": "label"})
    .setMiniBatchSize(5000)
)

使用模型進行推斷

若要使用模型執行推斷，下列程式碼會建立測試資料，並透過 ONNX 模型轉換資料。

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))

輸出看起來應該類似下表，不過值和資料列數目可能會有所不同：

索引 功能 預測 Probability
1 "{"type":1,"values":[0.105... 0 "{"0":0.835...
2 "{"type":1,"values":[0.814... 0 "{"0":0.658...

相關內容