Importieren von Modellen in Ihre Anwendung Import models into your application

In diesem Artikel werden die Importe und Bewertungs Teile eines databricks ml-Modell Export Workflows erläutert. Weitere Informationen finden Sie unter Exportieren von Apache Spark ml-Modellen und-Pipelines für den Export Teil des Workflows.This article discusses the import and scoring parts of a Databricks ML Model Export workflow; see Export Apache Spark ML models and pipelines for the export part of the workflow.

Um Modelle zu verwenden, die über den Modell Export von databricks ml exportiert wurden, werden APIs in der Bibliothek aufgerufen dbml-local .To use models exported via Databricks ML Model Export, you call APIs in the library dbml-local. Diese Bibliothek stellt Scala-und Java-APIs zum Importieren von Modellen und zum Ausführen einer Bewertung mit niedriger Latenz (Vorhersage oder Rückschluss) bereit.This library provides Scala and Java APIs for importing models and performing low latency scoring (prediction or inference).

Verwenden gespeicherter Modelle in Java-AnwendungenUsing saved models in Java applications

Angenommen, Sie haben eine logistische Regressions Pipeline exportiert und Sie unter gespeichert my_models/lr_pipeline .Suppose that you have exported a logistic regression pipeline and saved it under my_models/lr_pipeline. Sie können verwenden ModelFactory , um eine LocalModel aus dem Verzeichnis des gespeicherten Modells zu erstellen und die Bewertung für neue Daten auszuführen.You can use ModelFactory to create a LocalModel from the saved model’s directory and perform scoring on new data.

// Load exported model
String modelPath = "my_models/lr_pipeline";
LocalModel model = ModelFactory.loadModel(modelPath);

// The model input is a standard JSON string.
// The input schema here is: [origLabel: Double, features: Vector].
String input =
  "{\"origLabel\":-1.0," +
  "\"features\":{\"type\":0,\"size\":13," +
  "\"indices\":[0,2,3,4,6,7,8,9,10,11,12]," +
  "\"values\":[74.0,2.0,120.0,269.0,2.0,121.0,1.0,0.2,1.0,1.0,3.0]}" +
  "}";

// The model output is also a standard JSON string, with the expected output fields.
String output = model.transform(input);

Die Eingabe akzeptiert das gleiche JSON-Format, das von Apache Spark Datasets und dataframes mithilfe der-Methode erzeugt wird Dataset.toJSON (siehe DataSet-API-Dokumente).The input accepts the same JSON format produced by Apache Spark Datasets and DataFrames using the Dataset.toJSON method (see Dataset API docs). Weitere Informationen finden Sie in der Dokumentation der DBML-local-API .See the dbml-local API docs for more details.

Angeben der dbml-local Bibliotheks Abhängigkeit in MavenSpecifying the dbml-local library dependency in Maven

Sie geben die dbml-local Bibliotheks Abhängigkeit wie jede andere Abhängigkeit mit einer Maven-Koordinate an eine Anwendung an.You specify the dbml-local library dependency to an application just like any other dependency, with a Maven coordinate. Der folgende Code Ausschnitt enthält ein Beispiel für das einschließen dbml-local in eine Maven- pom.xml Projektbuilddatei.The following code snippet gives an example of including dbml-local in a Maven project pom.xml build file.

<!-- Add repository for dbml-local dependency -->
 <repositories>
   <repository>
     <snapshots>
       <enabled>false</enabled>
     </snapshots>
     <id>bintray-databricks-maven</id>
     <name>bintray</name>
     <url>https://dl.bintray.com/databricks/maven</url>
   </repository>
 </repositories>

 <dependencies>
   <!-- Main dependency for Model Scoring -->
   <dependency>
     <groupId>com.databricks</groupId>
     <artifactId>dbml-local</artifactId>
     <version>0.2.2-spark2.2</version>
   </dependency>
 </dependencies>

Herunterladen von dbml-local JarsDownloading dbml-local JARs

Die jar- dbml-local Dateien sind über die BinärInfo verfügbar.The dbml-local JARs are available from bintray.

dbml-localFührerdbml-local license

Die dbml-local Bibliothek wird unter der mit-Lizenzveröffentlicht.The dbml-local library is published under the MIT license.

BeispielanwendungExample application

Sie können eine sehr einfache Beispielanwendung anzeigen, die zeigt, wie die databricks ml-Modell Export-Begleit Bibliothek dbml-local im GitHub-Repository databricks-ml-examplesverwendet wird.You can view a very simple example application that shows how to use the Databricks ML Model Export companion library dbml-local in the databricks-ml-examples Github repository. Diese Demo enthält databricks-Notebooks zum trainieren und Exportieren von mllib-Modellen.This demo includes Databricks notebooks for training and exporting MLlib models. Diese Notebooks sind mit einfachen Java-Anwendungen gekoppelt, die zeigen, wie Modelle importiert und Vorhersagen getroffen werden.These notebooks are paired with simple Java applications that show how to import models and make predictions.