Keras模型:TypeError:无法pickle _thread.lock对象

loading...


0

我在PySpark中使用训练有素的Keras模型时遇到了麻烦 . 使用以下版本的库:

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

另外,我使用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])

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

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

我正在阅读类似的线程以找到解决方案 . 据我了解, keras 不支持应用 pickle . 但在这种情况下,如何使用经过训练的模型在PySpark中进行预测?

loading...

1回答

  • 1

    似乎不可能序列化keras模型,所以可能只是分发文件并作为火花文件?那么在你的函数内(你希望模型作为输入)你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)
    
评论

暂时没有评论!