Question

我在PySpark中使用训练有素的Keras模型时遇到麻烦。使用了以下版本的库：

tensorflow==1.1.0
h5py==2.7.0
keras==2.0.4

我也使用Spark 2.4.0。

from pyspark.sql import SparkSession
import pyspark.sql.functions as func
from keras.models import load_model

spark = SparkSession \
    .builder \
    .appName("Test") \
    .master("local[2]") \
    .getOrCreate()

my_model = load_model("my_model.h5")
spark.sparkContext.addFile("my_model.h5")
my_model_bcast = spark.sparkContext.broadcast(my_model)

# ...

get_prediction_udf = func.udf(get_prediction, IntegerType())
ds = ds\
    .withColumn("predicted_value", get_prediction_udf(my_model_bcast,
                                                      func.col("col1"),
                                                      func.col("col2"))))

函数get_prediction如下所示（简化代码）：

def get_prediction(my_model_bcast, col1, col2):
    cur_state = np.array([col1,col2])
    state = cur_state.reshape(1,2)
    ynew = my_model_bcast.predict(state)
    return np.argmax(ynew[0])

以下错误由行my_model_bcast = spark.sparkContext.broadcast(my_model)触发：

  File "/usr/local/spark-2.4.0-bin-hadoop2.7/python/lib/pyspark.zip/pyspark/broadcast.py", line 110, in dump
    pickle.dump(value, f, 2)
TypeError: can't pickle _thread.lock objects

我正在阅读类似的主题，以便找到解决方案。据我了解，keras不支持应用pickle。但是在这种情况下，如何使用经过训练的模型在PySpark中进行预测？

Answer 1

似乎无法序列化keras模型，所以也许只分发文件并作为spark文件？那么在函数内部（您希望模型作为输入），您可以从该路径读取文件并在其中创建模型吗？

path = SparkFiles.get("mode_file.h5")
model =  load_model(path)

Keras模型：TypeError：无法腌制_thread.lock对象

1 个答案: