SageMaker Exemples de Spark pour Scala

Amazon SageMaker fournit une bibliothèque Apache Spark (SageMakerSpark) que vous pouvez utiliser pour intégrer vos applications Apache Spark SageMaker. Par exemple, vous pouvez utiliser Apache Spark pour le prétraitement des données ainsi que SageMaker pour l'entraînement et l'hébergement des modèles. Pour plus d'informations sur la bibliothèque SageMaker Apache Spark, consultezUtiliser Apache Spark avec Amazon SageMaker.

Téléchargez Spark pour Scala

Vous pouvez télécharger le code source et les exemples des bibliothèques Python Spark (PySpark) et Scala depuis le GitHub référentiel SageMakerSpark.

Pour obtenir des instructions détaillées sur l'installation de la bibliothèque SageMaker Spark, consultez SageMakerSpark.

SageMaker Spark SDK for Scala est disponible dans le dépôt central de Maven. Ajoutez la bibliothèque Spark à votre projet en ajoutant la dépendance suivante à votre fichier pom.xml :

Si votre projet est créé avec Maven, ajoutez ce qui suit à votre fichier pom.xml :


<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>sagemaker-spark_2.11</artifactId>
    <version>spark_2.2.0-1.0</version>
</dependency>

Si votre projet dépend de Spark 2.1, ajoutez ce qui suit à votre fichier pom.xml :


<dependency>
    <groupId>com.amazonaws</groupId>
    <artifactId>sagemaker-spark_2.11</artifactId>
    <version>spark_2.1.1-1.0</version>
</dependency>

Exemple de Spark pour Scala

Cette section fournit un exemple de code qui utilise la bibliothèque Apache Spark Scala fournie par SageMaker pour entraîner un modèle à SageMaker utiliser DataFrame s dans votre cluster Spark. Ceci est ensuite suivi d'exemples sur la façon de procéder Utilisez des algorithmes personnalisés pour la formation et l'hébergement de modèles sur Amazon SageMaker avec Apache Spark etUtilisez le SageMakerEstimator dans un pipeline Spark.

L'exemple suivant héberge les artefacts du modèle qui en résultent à l'aide de services SageMaker d'hébergement. Pour plus de détails sur cet exemple, voir Getting Started : K-Means Clustering on SageMaker with SageMaker Spark SDK Plus précisément, cet exemple effectue les opérations suivantes :

Utilise KMeansSageMakerEstimator pour adapter (ou entraîner) un modèle sur des données

Étant donné que l'exemple utilise l'algorithme k-means fourni par SageMaker pour entraîner un modèle, vous utilisez leKMeansSageMakerEstimator. Vous entraînez le modèle à l'aide d'images de nombres à un chiffre écrits à la main (issus du MNIST jeu de données). Vous fournissez les images en tant que DataFrame d'entrée. Pour votre commodité, SageMaker fournit cet ensemble de données dans un compartiment Amazon S3.

En réponse, l'évaluateur renvoie un objet SageMakerModel.
Obtient des inférences à l'aide du SageMakerModel entraîné

Pour obtenir des déductions à partir d'un modèle hébergé dans SageMaker, vous appelez la SageMakerModel.transform méthode. Vous transmettez un DataFrame comme entrée. La méthode transforme le DataFrame d'entrée en un autre DataFrame contenant des inférences obtenues à partir du modèle.

Pour une image d'entrée donnée représentant un chiffre manuscrit, l'inférence identifie un cluster auquel l'image appartient. Pour de plus amples informations, veuillez consulter Algorithme des k-moyennes (k-means).


import org.apache.spark.sql.SparkSession
import com.amazonaws.services.sagemaker.sparksdk.IAMRole
import com.amazonaws.services.sagemaker.sparksdk.algorithms
import com.amazonaws.services.sagemaker.sparksdk.algorithms.KMeansSageMakerEstimator

val spark = SparkSession.builder.getOrCreate

// load mnist data as a dataframe from libsvm
val region = "us-east-1"
val trainingData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/train/")
val testData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/test/")

val roleArn = "arn:aws:iam::account-id:role/rolename"

val estimator = new KMeansSageMakerEstimator(
  sagemakerRole = IAMRole(roleArn),
  trainingInstanceType = "ml.p2.xlarge",
  trainingInstanceCount = 1,
  endpointInstanceType = "ml.c4.xlarge",
  endpointInitialInstanceCount = 1)
  .setK(10).setFeatureDim(784)

// train
val model = estimator.fit(trainingData)

val transformedData = model.transform(testData)
transformedData.show

L'exemple de code effectue ce qui suit :

Charge l'MNISTensemble de données depuis un compartiment S3 fourni par SageMaker (awsai-sparksdk-dataset) dans un Spark DataFrame (mnistTrainingDataFrame) :


// Get a Spark session.

val spark = SparkSession.builder.getOrCreate

// load mnist data as a dataframe from libsvm
val region = "us-east-1"
val trainingData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/train/")
val testData = spark.read.format("libsvm")
  .option("numFeatures", "784")
  .load(s"s3://sagemaker-sample-data-$region/spark/mnist/test/")

val roleArn = "arn:aws:iam::account-id:role/rolename"
trainingData.show()

La méthode show affiche les 20 premières lignes dans le cadre de données :


+-----+--------------------+
|label|            features|
+-----+--------------------+
|  5.0|(784,[152,153,154...|
|  0.0|(784,[127,128,129...|
|  4.0|(784,[160,161,162...|
|  1.0|(784,[158,159,160...|
|  9.0|(784,[208,209,210...|
|  2.0|(784,[155,156,157...|
|  1.0|(784,[124,125,126...|
|  3.0|(784,[151,152,153...|
|  1.0|(784,[152,153,154...|
|  4.0|(784,[134,135,161...|
|  3.0|(784,[123,124,125...|
|  5.0|(784,[216,217,218...|
|  3.0|(784,[143,144,145...|
|  6.0|(784,[72,73,74,99...|
|  1.0|(784,[151,152,153...|
|  7.0|(784,[211,212,213...|
|  2.0|(784,[151,152,153...|
|  8.0|(784,[159,160,161...|
|  6.0|(784,[100,101,102...|
|  9.0|(784,[209,210,211...|
+-----+--------------------+
only showing top 20 rows

Dans chaque ligne :

La colonne label identifie l'étiquette de l'image. Par exemple, si l'image du chiffre manuscrit est le chiffre 5, la valeur de l'étiquette est 5.
La colonne features stocke un vecteur (org.apache.spark.ml.linalg.Vector) de valeurs Double. Il s'agit des 784 fonctions du chiffre manuscrit. (Chaque chiffre manuscrit est une image de 28 x 28 pixels, ce qui fait 784 fonctions.)

Crée un SageMaker estimateur () KMeansSageMakerEstimator

La fit méthode de cet estimateur utilise l'algorithme k-means fourni par SageMaker pour entraîner des modèles à l'aide d'une entrée. DataFrame En réponse, un objet SageMakerModel est renvoyé, que vous pouvez utiliser pour obtenir des inférences.

Note
Le KMeansSageMakerEstimator étend le SageMakerSageMakerEstimator, qui étend le Apache SparkEstimator.
```
val estimator = new KMeansSageMakerEstimator(
  sagemakerRole = IAMRole(roleArn),
  trainingInstanceType = "ml.p2.xlarge",
  trainingInstanceCount = 1,
  endpointInstanceType = "ml.c4.xlarge",
  endpointInitialInstanceCount = 1)
  .setK(10).setFeatureDim(784)
```
Les paramètres du constructeur fournissent des informations qui sont utilisées pour entraîner un modèle et le déployer sur SageMaker :
- trainingInstanceType et trainingInstanceCount : identifient le type et le nombre d'instances de calcul ML à utiliser pour l'entraînement du modèle.
- endpointInstanceType—Identifie le type d'instance de calcul ML à utiliser lors de l'hébergement du modèle dans SageMaker. Par défaut, une instance de calcul ML est prévue.
- endpointInitialInstanceCount—Identifie le nombre d'instances de calcul ML soutenant initialement le point de terminaison hébergeant le modèle. SageMaker
- sagemakerRole— SageMaker assume ce IAM rôle pour effectuer des tâches en votre nom. Par exemple, pour l'entraînement du modèle, il lit les données à partir de S3 et écrit les résultats de l'entraînement (artefacts de modèle) dans S3.
  
  Note
  Cet exemple crée implicitement un SageMaker client. Pour créer ce client, vous devez fournir vos informations d'identification. Il API utilise ces informations d'identification pour authentifier les demandes adressées à SageMaker. Par exemple, il utilise les informations d'identification pour authentifier les demandes de création d'une tâche de formation et API appelle au déploiement du modèle à l'aide de services SageMaker d'hébergement.
- Une fois que l'objet KMeansSageMakerEstimator a été créé, les paramètres suivants sont utilisés dans l'entraînement du modèle :
  - Le nombre de clusters que l'algorithme k-means doit créer au cours de l'entraînement du modèle. Vous spécifiez 10 clusters, un pour chaque chiffre de 0 à 9.
  - Identifie que chaque image d'entrée a 784 fonctions (chaque chiffre manuscrit est une image de 28 x 28 pixels, soit 784 fonctions).
Appelle la méthode fit de l'évaluateur.
```
// train
val model = estimator.fit(trainingData)
```
Vous transmettez le DataFrame d'entrée sous forme de paramètre. Le modèle effectue tout le travail de formation du modèle et de son déploiement sur SageMaker. Pour de plus amples informations, veuillez consulter Intégrez votre application Apache Spark avec SageMaker. En réponse, vous obtenez un SageMakerModel objet que vous pouvez utiliser pour obtenir des déductions à partir de votre modèle déployé dans SageMaker.

Vous fournissez uniquement le DataFrame d'entrée. Vous n'avez pas besoin de spécifier le chemin d'accès au registre de l'algorithme k-means utilisé pour l'entraînement du modèle, car KMeansSageMakerEstimator le connaît.

Appelle la SageMakerModel.transform méthode pour obtenir des déductions à partir du modèle déployé dans SageMaker.

La méthode transform prend un DataFrame en entrée, le transforme et renvoie un autre DataFrame contenant des inférences obtenues à partir du modèle.


val transformedData = model.transform(testData)
transformedData.show

Dans cet exemple, et pour plus de simplicité, nous utilisons le même DataFrame d'entrée pour la méthode transform que celui que nous avons utilisé pour l'entraînement du modèle. La méthode transform effectue les opérations suivantes :

Sérialise la features colonne dans l'entrée de protobuf et l'envoie DataFrame au point de SageMaker terminaison pour inférence.
Désérialise la réponse protobuf dans les deux colonnes supplémentaires (distance_to_cluster et closest_cluster) dans le DataFrame transformé.

La méthode show obtient des inférences pour les 20 premières lignes dans le DataFrame d'entrée :


+-----+--------------------+-------------------+---------------+
|label|            features|distance_to_cluster|closest_cluster|
+-----+--------------------+-------------------+---------------+
|  5.0|(784,[152,153,154...|  1767.897705078125|            4.0|
|  0.0|(784,[127,128,129...|  1392.157470703125|            5.0|
|  4.0|(784,[160,161,162...| 1671.5711669921875|            9.0|
|  1.0|(784,[158,159,160...| 1182.6082763671875|            6.0|
|  9.0|(784,[208,209,210...| 1390.4002685546875|            0.0|
|  2.0|(784,[155,156,157...|  1713.988037109375|            1.0|
|  1.0|(784,[124,125,126...| 1246.3016357421875|            2.0|
|  3.0|(784,[151,152,153...|  1753.229248046875|            4.0|
|  1.0|(784,[152,153,154...|  978.8394165039062|            2.0|
|  4.0|(784,[134,135,161...|  1623.176513671875|            3.0|
|  3.0|(784,[123,124,125...|  1533.863525390625|            4.0|
|  5.0|(784,[216,217,218...|  1469.357177734375|            6.0|
|  3.0|(784,[143,144,145...|  1736.765869140625|            4.0|
|  6.0|(784,[72,73,74,99...|   1473.69384765625|            8.0|
|  1.0|(784,[151,152,153...|    944.88720703125|            2.0|
|  7.0|(784,[211,212,213...| 1285.9071044921875|            3.0|
|  2.0|(784,[151,152,153...| 1635.0125732421875|            1.0|
|  8.0|(784,[159,160,161...| 1436.3162841796875|            6.0|
|  6.0|(784,[100,101,102...| 1499.7366943359375|            7.0|
|  9.0|(784,[209,210,211...| 1364.6319580078125|            6.0|
+-----+--------------------+-------------------+---------------+

Vous pouvez interpréter les données comme suit :

Un chiffre manuscrit avec le label 5 appartient au cluster 4 (closest_cluster).
Un chiffre manuscrit avec le label 0 appartient au cluster 5.
Un chiffre manuscrit avec le label 4 appartient au cluster 9.
Un chiffre manuscrit avec le label 1 appartient au cluster 6.

Rubriques

Avertissement JavaScript est désactivé ou n'est pas disponible dans votre navigateur.

Pour que vous puissiez utiliser la documentation AWS, Javascript doit être activé. Vous trouverez des instructions sur les pages d'aide de votre navigateur.

Conventions de rédaction

Apache Spark

Utilisez des algorithmes personnalisés pour la formation et l'hébergement de modèles sur Amazon SageMaker avec Apache Spark

SageMaker Exemples de Spark pour Scala

Note

Note

Rubriques