Question

我第一次使用dask并尝试从训练有素的keras模型运行predict（）。

如果我不使用dask，该函数可以正常工作（即pd.DataFrame（）与dd.DataFrame（））。使用Dask时，错误如下。这不是一个常见的用例（除了可能得分）

def calc_HR_ind_dsk(grp):
    model=keras.models.load_model('/home/embedding_model.h5')
    topk=10

    x=[grp['user'].values,grp['item'].values]
    pred_act=list(zip(model.predict(x)[:,0],grp['respond'].values))
    top=sorted(pred_act, key=lambda x: -x[0])[0:topk]
    hit=sum([x[1] for x in top])
    return(hit)



import dask.dataframe as dd

#step 1 - read in data as a dask df. We could reference more than 1 files using '*' wildcard
df = dd.read_csv('/home/test_coded_final.csv',dtype='int64')
results=df.groupby('user').apply(calc_HR_ind_dsk).compute()

TypeError：无法将feed_dict键解释为Tensor：Tensor Tensor（“Placeholder_30：0”，shape =（55188,32），dtype = float32）不是此图的元素。

Answer 1

我找到了答案。这是keras或tensorflow的一个问题：https://github.com/keras-team/keras/issues/2397

下面的代码工作和使用dask与标准pandas groupby相比削减了50％。

#dask
model=keras.models.load_model('/home/embedding_model.h5')

#this part
import tensorflow as tf
global graph
graph = tf.get_default_graph()


def calc_HR_ind_dsk(grp):
    topk=10
    x=[grp['user'].values,grp['item'].values]

    with graph.as_default(): #and this part from https://github.com/keras-team/keras/issues/2397
        pred_act=list(zip(model.predict(x)[:,0],grp['respond'].values))
    top=sorted(pred_act, key=lambda x: -x[0])[0:topk]
    hit=sum([x[1] for x in top])

    return(hit)



import dask.dataframe as dd


df = dd.read_csv('/home/test_coded_final.csv',dtype='int64')
results=df.groupby('user').apply(calc_HR_ind_dsk).compute()

Answer 2

看看： http://dask.pydata.org/en/latest/dataframe-api.html#dask.dataframe.groupby.DataFrameGroupBy.apply 与pandas不同，在dask中，许多函数可以让你定义自己的自定义op，需要meta参数。如果没有这个dask，我们将测试你的自定义函数并将奇怪的东西传递给keras，这在调用compute时可能不会发生。

Answer 3

我写的另一个答案可能会有所帮助（用例是使用带有预先训练的ML模型的Dask来预测1,000,000个示例）：https://stackoverflow.com/a/59015702/4900327

Dask DataFrame - Keras模型的预测

3 个答案: