Skip to main content
Version: Next

在Spark上进行ONNX推理

在这个例子中，您训练了一个LightGBM模型，并将模型转换为ONNX格式。转换完成后，您使用该模型在Spark上推断一些测试数据。

此示例使用以下Python包和版本：

  • onnxmltools==1.7.0
  • lightgbm==3.2.1

加载示例数据​

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中，然后运行这些单元格：

%pip install lightgbm onnxmltools==1.7.0
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，尽管值和行数可能有所不同：

利息覆盖率净收入标志权益负债比
0.56411.00.0165
0.57021.00.0208
0.56731.00.0165

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?")
    .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​

以下代码将训练好的模型导出为LightGBM booster，然后将其转换为ONNX格式：

from synapse.ml.core.platform import running_on_binder

if running_on_binder():
    from IPython import get_ipython
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框的列名（FeedDict），并将输出数据框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)
)

使用模型进行推理​

要使用模型进行推理，以下代码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，尽管值和行数可能有所不同：

索引特征预测概率
1"{"type":1,"values":[0.105...0"{"0":0.835...
2"{"type":1,"values":[0.814...0"{"0":0.658...