Le traduzioni sono generate tramite traduzione automatica. In caso di conflitto tra il contenuto di una traduzione e la versione originale in Inglese, quest'ultima prevarrà.
# SageMaker Esempi di AI Spark per Scala
Amazon SageMaker AI fornisce una libreria Apache Spark ([SageMaker AI Spark](https://github.com/aws/sagemaker-spark/tree/master/sagemaker-spark-sdk)) che puoi utilizzare per integrare le tue applicazioni Apache Spark con l'intelligenza artificiale. SageMaker Questo argomento contiene esempi per aiutarti a iniziare a usare AI Spark con SageMaker Scala. Per informazioni sulla libreria SageMaker AI Apache Spark, consulta. [Apache Spark con Amazon AI SageMaker](apache-spark.md)
**Download di Spark per Scala**
Puoi scaricare il codice sorgente e gli esempi per entrambe le librerie Python Spark (PySpark) e Scala dal repository [SageMaker AI](https://github.com/aws/sagemaker-spark) Spark. GitHub
[Per istruzioni dettagliate sull'installazione della libreria AI Spark, SageMaker consulta AI Spark. SageMaker ](https://github.com/aws/sagemaker-spark/tree/master/sagemaker-spark-sdk)
SageMaker AI Spark SDK per Scala è disponibile nell'archivio centrale di Maven. Aggiungi la libreria Spark al progetto aggiungendo la seguente dipendenza al file `pom.xml`:
+ Se il progetto è stato creato con Maven, aggiungi quanto segue al file pom.xml:
```
com.amazonaws
sagemaker-spark_2.11
spark_2.2.0-1.0
```
+ Se il progetto dipende da Spark 2.1, aggiungi quanto segue al tuo file pom.xml:
```
com.amazonaws
sagemaker-spark_2.11
spark_2.1.1-1.0
```
**Esempio di Spark per Scala**
Questa sezione fornisce un codice di esempio che utilizza la libreria Apache Spark Scala fornita da SageMaker AI per addestrare un modello in SageMaker AI utilizzando s nel cluster Spark. `DataFrame` Il codice è seguito da esempi sulle procedure [Usa algoritmi personalizzati per l'addestramento e l'hosting dei modelli su Amazon SageMaker AI con Apache Spark](apache-spark-example1-cust-algo.md) e [Utilizzali in una pipeline SageMakerEstimator Spark](apache-spark-example1-extend-pipeline.md).
L'esempio seguente ospita gli artefatti del modello risultanti utilizzando i servizi di hosting AI. SageMaker Per maggiori dettagli su questo esempio, vedi [Getting Started: K-Means Clustering on SageMaker AI with SageMaker AI Spark SDK](https://github.com/aws/sagemaker-spark?tab=readme-ov-file#getting-started-k-means-clustering-on-sagemaker-with-sagemaker-spark-sdk) In particolare, questo esempio esegue le seguenti operazioni:
+ Utilizza il metodo `KMeansSageMakerEstimator` per adattare (o addestrare) un modello ai dati
Poiché l'esempio utilizza l'algoritmo k-means fornito dall' SageMaker IA per addestrare un modello, utilizzi il. `KMeansSageMakerEstimator` Per addestrare il modello, utilizza le immagini di numeri a cifra singola scritti a mano (dal set di dati MNIST) e fornisci le immagini come input `DataFrame`. Per comodità, l' SageMaker intelligenza artificiale fornisce questo set di dati in un bucket Amazon S3.
In risposta, lo strumento di valutazione restituisce un oggetto `SageMakerModel`.
+ Ottiene le interferenze utilizzando il `SageMakerModel` preparato
Per ottenere inferenze da un modello ospitato nell' SageMaker intelligenza artificiale, chiami il metodo. `SageMakerModel.transform` Trasmetti un `DataFrame` come input. Il metodo trasforma l'input `DataFrame` a un altro `DataFrame` contenente le interferenze ottenute dal modello.
Per una determinata immagine di input di un numero a singola cifra scritto a mano, l'interferenza individua un cluster a cui appartiene l'immagine. Per ulteriori informazioni, consulta [Algoritmo K-Means](k-means.md).
```
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
```
Il codice esemplificativo si comporta come segue:
+ Carica il set di dati MNIST da un bucket S3 fornito da SageMaker AI (`awsai-sparksdk-dataset`) in uno 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()
```
Il metodo `show` visualizza le prime 20 righe del frame di dati:
```
+-----+--------------------+
|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
```
In ogni riga:
+ La colonna `label` individua l'etichetta dell'immagine. Ad esempio, se l'immagine del numero scritto a mano è la cifra 5, il valore dell'etichetta è 5.
+ La colonna `features` archivia un vettore (`org.apache.spark.ml.linalg.Vector`) dei valori di `Double`. Si tratta delle 784 caratteristiche del numero scritto a mano (ogni numero scritto a mano è un'immagine da 28 x 28 pixel, che crea 784 caratteristiche).
+ Crea uno stimatore AI () SageMaker `KMeansSageMakerEstimator`
Il `fit` metodo di questo stimatore utilizza l'algoritmo k-means fornito dall' SageMaker IA per addestrare i modelli utilizzando un input. `DataFrame` In risposta, restituisce un oggetto `SageMakerModel` che può essere utilizzato per ottenere le inferenze.
**Nota**
`KMeansSageMakerEstimator`Estende l' SageMaker IA`SageMakerEstimator`, che estende Apache Spark. `Estimator`
```
val estimator = new KMeansSageMakerEstimator(
sagemakerRole = IAMRole(roleArn),
trainingInstanceType = "ml.p2.xlarge",
trainingInstanceCount = 1,
endpointInstanceType = "ml.c4.xlarge",
endpointInitialInstanceCount = 1)
.setK(10).setFeatureDim(784)
```
I parametri del costruttore forniscono informazioni che vengono utilizzate per addestrare un modello e implementarlo sull'intelligenza artificiale: SageMaker
+ `trainingInstanceType` e `trainingInstanceCount`: individuano il tipo e il numero delle istanze di calcolo ML da utilizzare per l'addestramento del modello.
+ `endpointInstanceType`—Identifica il tipo di istanza di calcolo ML da utilizzare per ospitare il modello in AI. SageMaker Per impostazione predefinita, viene utilizzata un'istanza di calcolo ML.
+ `endpointInitialInstanceCount`—Identifica il numero di istanze di calcolo ML che inizialmente supportano l'endpoint che ospita il modello nell'intelligenza artificiale. SageMaker
+ `sagemakerRole`— SageMaker L'IA assume questo ruolo IAM per eseguire attività per tuo conto. Ad esempio, per l’addestramento del modello, legge i dati dal bucket S3 e scrive i risultati dell’addestramento (artefatti del modello) nello stesso.
**Nota**
Questo esempio crea implicitamente un client SageMaker AI. Per creare questo client, devi fornire le tue credenziali, L'API utilizza queste credenziali per autenticare le richieste all'IA. SageMaker Ad esempio, utilizza le credenziali per autenticare le richieste per creare un processo di formazione e le chiamate API per l'implementazione del modello utilizzando i servizi di hosting AI. SageMaker
+ Una volta creato l'oggetto `KMeansSageMakerEstimator`, devi impostare i seguenti parametri che verranno utilizzato per l’addestramento del modello:
+ Numero di cluster che l'algoritmo k-means deve creare durante l’addestramento del modello. Possono essere specificati 10 cluster, uno per ogni cifra, da 0 a 9.
+ Parametro che verifica se ogni immagine di input dispone di 784 caratteristiche (ogni numero scritto a mano è un'immagine da 28 x 28 pixel, che crea 784 caratteristiche).
+ Chiama il metodo `fit` dello strumento di valutazione.
```
// train
val model = estimator.fit(trainingData)
```
Trasmetti l'input `DataFrame` come parametro. Il modello fa tutto il lavoro di addestramento del modello e di implementazione nell'IA. SageMaker Per ulteriori informazioni, consultare [Integra la tua applicazione Apache Spark con l'intelligenza artificiale SageMaker](apache-spark.md#spark-sdk-common-process). In risposta, si ottiene un `SageMakerModel` oggetto, che è possibile utilizzare per ottenere inferenze dal modello distribuito nell'intelligenza artificiale. SageMaker
Puoi fornire solo l'input `DataFrame`. Non è necessario specificare il percorso di registro dell'algoritmo k-means utilizzato per l’addestramento del modello in quanto la `KMeansSageMakerEstimator` lo conosce.
+ Richiama il `SageMakerModel.transform` metodo per ottenere inferenze dal modello distribuito nell'intelligenza artificiale. SageMaker
Il metodo `transform` acquisisce un `DataFrame` come input, lo converte e restituisce un altro `DataFrame` contenente le interferenze ottenute dal modello.
```
val transformedData = model.transform(testData)
transformedData.show
```
Per semplicità, utilizziamo lo stesso `DataFrame` come input per il metodo `transform` che abbiamo utilizzato per l’addestramento del modello in questo esempio. Il metodo `transform` esegue quanto segue:
+ Serializza la `features` colonna nell'input di protobuf e la invia `DataFrame` all'endpoint AI per l'inferenza. SageMaker
+ Deserializza la risposta protobuf nelle due colonne aggiuntive (`distance_to_cluster` e `closest_cluster`) nel `DataFrame` convertito.
Il metodo `show` ottiene le inferenze per le prime 20 righe nell'input `DataFrame`:
```
+-----+--------------------+-------------------+---------------+
|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|
+-----+--------------------+-------------------+---------------+
```
Puoi interpretare i dati come segue:
+ Un numero scritto a mano con `label` 5 appartiene al cluster 4 (`closest_cluster`).
+ Un numero scritto a mano con `label` 0 appartiene al cluster 5.
+ Un numero scritto a mano con `label` 4 appartiene al cluster 9.
+ Un numero scritto a mano con `label` 1 appartiene al cluster 6.
**Topics**
+ [Usa algoritmi personalizzati per l'addestramento e l'hosting dei modelli su Amazon SageMaker AI con Apache Spark](apache-spark-example1-cust-algo.md)
+ [Utilizzali in una pipeline SageMakerEstimator Spark](apache-spark-example1-extend-pipeline.md)
# Usa algoritmi personalizzati per l'addestramento e l'hosting dei modelli su Amazon SageMaker AI con Apache Spark
In[SageMaker Esempi di AI Spark per Scala](apache-spark-example1.md), usi il `kMeansSageMakerEstimator` perché l'esempio utilizza l'algoritmo k-means fornito da Amazon SageMaker AI per l'addestramento dei modelli. Per l’addestramento del modello, puoi anche scegliere di utilizzare un algoritmo personalizzato. Presupponendo che tu abbia già creato un immagine Docker, puoi creare un oggetto `SageMakerEstimator` personalizzato e specificare il percorso Amazon Elastic Container Registry per l'immagine personalizzata.
Il seguente esempio mostra come creare `KMeansSageMakerEstimator` da `SageMakerEstimator`. Nel nuovo strumento di valutazione, devi specificare in modo esplicito il percorso di registro Docker per le immagini del codice di addestramento e interferenza.
```
import com.amazonaws.services.sagemaker.sparksdk.IAMRole
import com.amazonaws.services.sagemaker.sparksdk.SageMakerEstimator
import com.amazonaws.services.sagemaker.sparksdk.transformation.serializers.ProtobufRequestRowSerializer
import com.amazonaws.services.sagemaker.sparksdk.transformation.deserializers.KMeansProtobufResponseRowDeserializer
val estimator = new SageMakerEstimator(
trainingImage =
"811284229777.dkr.ecr.us-east-1.amazonaws.com/kmeans:1",
modelImage =
"811284229777.dkr.ecr.us-east-1.amazonaws.com/kmeans:1",
requestRowSerializer = new ProtobufRequestRowSerializer(),
responseRowDeserializer = new KMeansProtobufResponseRowDeserializer(),
hyperParameters = Map("k" -> "10", "feature_dim" -> "784"),
sagemakerRole = IAMRole(roleArn),
trainingInstanceType = "ml.p2.xlarge",
trainingInstanceCount = 1,
endpointInstanceType = "ml.c4.xlarge",
endpointInitialInstanceCount = 1,
trainingSparkDataFormat = "sagemaker")
```
Nel codice, i parametri nel costruttore `SageMakerEstimator` includono:
+ `trainingImage`: individua il percorso di registro Docker dell'immagine di addestramento contente il codice personalizzato.
+ `modelImage`: individua il percorso di registro Docker dell'immagine contente il codice di interferenza.
+ `requestRowSerializer`: implementa `com.amazonaws.services.sagemaker.sparksdk.transformation.RequestRowSerializer`.
Questo parametro serializza le righe nell'input `DataFrame` per inviarle al modello ospitato in SageMaker AI per l'inferenza.
+ `responseRowDeserializer`: implementa
`com.amazonaws.services.sagemaker.sparksdk.transformation.ResponseRowDeserializer`.
Questo parametro deserializza le risposte dal modello, ospitato in AI, in SageMaker un. `DataFrame`
+ `trainingSparkDataFormat`: specifica il formato dei dati utilizzato da Spark durante il caricamento dei dati di addestramento da un `DataFrame` in S3. Ad esempio, `"sagemaker"` per il formato protobuf, `"csv"` per i valori separati da virgola e `"libsvm"` per il formato LibSVM.
Puoi implementare valori personalizzati per `RequestRowSerializer` e `ResponseRowDeserializer` per serializzare e deserializzare le righe da un formato dei dati supportato dal codice di inferenza, come libsvm o .csv.
# Utilizzali in una pipeline SageMakerEstimator Spark
Puoi utilizzare gli strumenti di valutazione `org.apache.spark.ml.Estimator` e i modelli `org.apache.spark.ml.Model` e gli strumenti di valutazione `SageMakerEstimator` e i modelli `SageMakerModel` nelle pipeline `org.apache.spark.ml.Pipeline`, come mostrato nel seguente esempio:
```
import org.apache.spark.ml.Pipeline
import org.apache.spark.ml.feature.PCA
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/")
// substitute your SageMaker IAM role here
val roleArn = "arn:aws:iam::account-id:role/rolename"
val pcaEstimator = new PCA()
.setInputCol("features")
.setOutputCol("projectedFeatures")
.setK(50)
val kMeansSageMakerEstimator = new KMeansSageMakerEstimator(
sagemakerRole = IAMRole(integTestingRole),
requestRowSerializer =
new ProtobufRequestRowSerializer(featuresColumnName = "projectedFeatures"),
trainingSparkDataFormatOptions = Map("featuresColumnName" -> "projectedFeatures"),
trainingInstanceType = "ml.p2.xlarge",
trainingInstanceCount = 1,
endpointInstanceType = "ml.c4.xlarge",
endpointInitialInstanceCount = 1)
.setK(10).setFeatureDim(50)
val pipeline = new Pipeline().setStages(Array(pcaEstimator, kMeansSageMakerEstimator))
// train
val pipelineModel = pipeline.fit(trainingData)
val transformedData = pipelineModel.transform(testData)
transformedData.show()
```
Il parametro `trainingSparkDataFormatOptions` configura Spark per serializzare in protobuf la colonna "projectedFeatures" per l’addestramento del modello. Inoltre, per impostazione predefinita Spark serializza in protobuf la colonna "label".
Poiché vogliamo che le inferenze utilizzino la colonna "projectedFeatures", passiamo il nome della colonna al `ProtobufRequestRowSerializer`.
Il seguente esempio mostra un `DataFrame` trasformato:
```
+-----+--------------------+--------------------+-------------------+---------------+
|label| features| projectedFeatures|distance_to_cluster|closest_cluster|
+-----+--------------------+--------------------+-------------------+---------------+
| 5.0|(784,[152,153,154...|[880.731433034386...| 1500.470703125| 0.0|
| 0.0|(784,[127,128,129...|[1768.51722024166...| 1142.18359375| 4.0|
| 4.0|(784,[160,161,162...|[704.949236329314...| 1386.246826171875| 9.0|
| 1.0|(784,[158,159,160...|[-42.328192193771...| 1277.0736083984375| 5.0|
| 9.0|(784,[208,209,210...|[374.043902028333...| 1211.00927734375| 3.0|
| 2.0|(784,[155,156,157...|[941.267714528850...| 1496.157958984375| 8.0|
| 1.0|(784,[124,125,126...|[30.2848596410594...| 1327.6766357421875| 5.0|
| 3.0|(784,[151,152,153...|[1270.14374062052...| 1570.7674560546875| 0.0|
| 1.0|(784,[152,153,154...|[-112.10792566485...| 1037.568359375| 5.0|
| 4.0|(784,[134,135,161...|[452.068280676606...| 1165.1236572265625| 3.0|
| 3.0|(784,[123,124,125...|[610.596447285397...| 1325.953369140625| 7.0|
| 5.0|(784,[216,217,218...|[142.959601818422...| 1353.4930419921875| 5.0|
| 3.0|(784,[143,144,145...|[1036.71862533658...| 1460.4315185546875| 7.0|
| 6.0|(784,[72,73,74,99...|[996.740157435754...| 1159.8631591796875| 2.0|
| 1.0|(784,[151,152,153...|[-107.26076167417...| 960.963623046875| 5.0|
| 7.0|(784,[211,212,213...|[619.771820430940...| 1245.13623046875| 6.0|
| 2.0|(784,[151,152,153...|[850.152101817161...| 1304.437744140625| 8.0|
| 8.0|(784,[159,160,161...|[370.041887230547...| 1192.4781494140625| 0.0|
| 6.0|(784,[100,101,102...|[546.674328209335...| 1277.0908203125| 2.0|
| 9.0|(784,[209,210,211...|[-29.259112927426...| 1245.8182373046875| 6.0|
+-----+--------------------+--------------------+-------------------+---------------+
```