通过

Spark 上的 ONNX 推理

  • 项目

在此示例中，你将训练 LightGBM 模型并将它转换为 ONNX 格式。 转换后，使用模型推断 Spark 上的一些测试数据。

此示例使用以下 Python 包和版本：

  • onnxmltools==1.7.0
  • lightgbm==3.2.1

先决条件

  • 将笔记本附加到湖屋。 在左侧，选择“添加”以添加现有湖屋或创建湖屋。
  • 你可能需要安装 onnxmltools，方法是在代码单元格中添加 !pip install onnxmltools==1.7.0，然后运行该单元格。

加载示例数据

若要加载示例数据，请将以下代码示例添加到笔记本中的单元格，然后运行这些单元格：

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)

输出应类似于下表，但值和行数可能有所不同：

利息覆盖率 净收入标志 权益与负债
0.5641 1.0 0.0165
0.5702 1.0 0.0208
0.5673 1.0 0.0165

使用 LightGBM 训练模型

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)

将模型转换为 ONNX 格式

以下代码将训练的模型导出到 LightGBM 增强程序，然后将其转换为 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))

转换后，将 ONNX 有效负载加载到 ONNXModel 中，并检查模型输入和输出：

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()))

将模型输入映射到输入数据帧的列名 (FeedDict)，并将输出数据帧的列名映射到模型输出 (FetchDict)。

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

使用用于推理的模型

为了对模型执行推理，以下代码将创建测试数据并通过 ONNX 模型转换数据。

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))

输出应类似于下表，但值和行数可能有所不同：

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

相关内容