Gerenciar notebooks de aprendizado de máquina em tempo real (Alpha)

O guia a seguir descreve as etapas necessárias para criar um aplicativo de Aprendizagem de máquina em tempo real. Usando o modelo de notebook Real-time ML Python fornecido pelo Adobe, este guia cobre o treinamento de um modelo, a criação de um DSL, a publicação de DSL no Edge e a pontuação da solicitação. Conforme você avança com a implementação do modelo de aprendizado de máquina em tempo real, espera-se modificar o modelo para atender às necessidades do conjunto de dados.

Crie um notebook de aprendizado de máquina em tempo real

Na interface do usuário do Adobe Experience Platform, selecione Notebooks em Data Science. Em seguida, selecione JupyterLab e aguarde algum tempo para que o ambiente seja carregado.

O iniciador JupyterLab é exibido. Role para baixo até Real-Time Machine Learning e selecione o bloco de notas Real-time ML. Um modelo é aberto contendo células de bloco de notas de exemplo com um conjunto de dados de exemplo.

Importar e descobrir nós

Comece importando todos os pacotes necessários para o seu modelo. Certifique-se de que qualquer pacote que você planeja usar na criação do nó seja importado.

from pprint import pprint
import pandas as pd
import numpy as np
import json
import uuid
from shutil import copyfile
from pathlib import Path
from datetime import date, datetime, timedelta
from platform_sdk.dataset_reader import DatasetReader

from rtml_nodelibs.nodes.standard.preprocessing.json_to_df import JsonToDataframe
from rtml_sdk.edge.utils import EdgeUtils
from rtml_sdk.graph.utils import GraphBuilder
from rtml_nodelibs.nodes.standard.ml.onnx import ONNXNode
from rtml_nodelibs.core.nodefactory import NodeFactory as nf
from rtml_nodelibs.nodes.standard.preprocessing.pandasnode import Pandas
from rtml_nodelibs.nodes.standard.preprocessing.one_hot_encoder import OneHotEncoder
from rtml_nodelibs.nodes.standard.ml.artifact_utils import ModelUpload
from rtml_nodelibs.core.nodefactory import NodeFactory as nf
from rtml_nodelibs.core.datamsg import DataMsg

A célula de código a seguir imprime uma lista de nós disponíveis.

# Discover Nodes
pprint(nf.discover_nodes())

Treinamento de um modelo de aprendizado de máquina em tempo real

Usando uma das opções a seguir, você gravará o código Python para ler, pré-processar e analisar dados. Em seguida, você precisa treinar seu próprio modelo ML, serializá-lo no formato ONNX e depois carregá-lo na loja de modelos de Aprendizagem de Máquina em Tempo Real.

• Treinamento em seu próprio modelo em notebooks JupyterLab
• Fazer upload de seu próprio modelo ONNX pré-treinado para notebooks JupyterLab

Treinamento em seu próprio modelo

Comece carregando seus dados de treinamento.

Se quiser usar um conjunto de dados do Adobe Experience Platform, exclua o comentário da célula abaixo. Em seguida, é necessário substituir DATASET_ID pelo valor apropriado.

Para acessar um conjunto de dados no seu bloco de notas JupyterLab, selecione a guia Data na navegação à esquerda de JupyterLab. Os diretórios Datasets e Schemas são exibidos. Selecione Datasets e clique com o botão direito do mouse e selecione a opção Explore Data in Notebook no menu suspenso do conjunto de dados que deseja usar. Uma entrada de código executável é exibida na parte inferior do notebook. Esta célula tem seu dataset_id.

Depois de concluído, clique com o botão direito do mouse e exclua a célula gerada na parte inferior do bloco de notas.

Propriedades de treinamento

Usando o modelo fornecido, modifique qualquer uma das propriedades de treinamento em config_properties.

config_properties = {
    "train_records_limit":1000000,
    "n_estimators": "80",
    "max_depth": "5",
    "ten_id": "_experienceplatform"  
}

Prepare seu modelo

Usando o modelo Real-time ML, é necessário analisar, pré-processar, treinar e avaliar seu modelo ML. Isso é feito aplicando transformações de dados e criando um pipeline de treinamento.

Transformações de dados

A célula Real-time ML templates Data Transformations precisa ser modificada para funcionar com seu próprio conjunto de dados. Normalmente, isso envolve renomear colunas, rollup de dados e preparação de dados/engenharia de recursos.

df1.rename(columns = {config_properties['ten_id']+'.identification.ecid' : 'ecid',
                     [ ... ]}, inplace=True)
df1 = df1[['ecid', 'km', 'cartype', 'age', 'gender', 'carbrand', 'leasing', 'city', 
       'country', 'nationality', 'primaryuser', 'purchase', 'pricequote', 'timestamp']]
print("df1 shape 1", df1.shape)
#########################################
# Data Rollup
######################################### 
df1['timestamp'] = pd.to_datetime(df1.timestamp)
df1['hour'] = df1['timestamp'].dt.hour.astype(int)
df1['dayofweek'] = df1['timestamp'].dt.dayofweek

df1.loc[(df1['purchase'] == 'yes'), 'purchase'] = 1
df1.purchase.fillna(0, inplace=True)
df1['purchase'] = df1['purchase'].astype(int)

[ ... ]

print("df1 shape 2", df1.shape)

#########################################
# Data Preparation/Feature Engineering
#########################################      

df1['carbrand'] = df1['carbrand'].str.lower()
df1['country'] = df1['country'].str.lower()
df1.loc[(df1['carbrand'] == 'vw'), 'carbrand'] = 'volkswagen'

[ ... ]

df1['age'].fillna(df1['age'].median(), inplace=True)
df1['gender'].fillna('notgiven', inplace=True)

[ ... ]

df1['city'] = df1.groupby('country')['city'].transform(lambda x : x.fillna(x.mode()))
df1.dropna(subset = ['pricequote'], inplace=True)
print("df1 shape 3", df1.shape)
print(df1)

#grouping
grouping_cols = ['carbrand', 'cartype', 'city', 'country']

for col in grouping_cols:
    df_idx = pd.DataFrame(df1[col].value_counts().head(6))

    def grouping(x):
        if x in df_idx.index:
            return x
        else:
            return "Others"
    df1[col] = df1[col].apply(lambda x: grouping(x))

def age(x):
    if x < 20:
        return "u20"
    elif x > 19 and x < 29:
    [ ... ]
    else: 
        return "Others"

df1['age'] = df1['age'].astype(int)
df1['age_bucket'] = df1['age'].apply(lambda x: age(x))

df_final = df1[['hour', 'dayofweek','age_bucket', 'gender', 'city',  
   'country', 'carbrand', 'cartype', 'leasing', 'pricequote', 'purchase']]
print("df final", df_final.shape)

cat_cols = ['age_bucket', 'gender', 'city', 'dayofweek', 'country', 'carbrand', 'cartype', 'leasing']
df_final = pd.get_dummies(df_final, columns = cat_cols)

Execute a célula fornecida para ver um exemplo de resultado. A tabela de saída retornada do conjunto de dados carinsurancedataset.csv retorna as modificações definidas.

Gasoduto de treinamento

Em seguida, é necessário criar o pipeline de treinamento. Isso será semelhante a qualquer outro arquivo de pipeline de treinamento, exceto que é necessário converter e gerar um arquivo ONNX.

Usando as transformações de dados definidas na célula anterior, modifique o modelo . O código a seguir destacado abaixo é usado para gerar um arquivo ONNX no pipeline de recursos. Visualize o modelo ML em tempo real para a célula completa do código do pipeline.

#for generating onnx
def generate_onnx_resources(self):        
    install_dir = os.path.expanduser('~/my-workspace')
    print("Generating Onnx")
        
    from skl2onnx import convert_sklearn
    from skl2onnx.common.data_types import FloatTensorType
        
    # ONNX-ification
    initial_type = [('float_input', FloatTensorType([None, self.feature_len]))]

    print("Converting Model to Onnx")
    onx = convert_sklearn(self.model, initial_types=initial_type)
             
    with open("model.onnx", "wb") as f:
        f.write(onx.SerializeToString())
            
    print("Model onnx created")

Depois de concluir o pipeline de treinamento e modificar seus dados por meio de transformações de dados, use a seguinte célula para executar o treinamento.

model = train(config_properties, df_final)

Gerar e carregar um modelo ONNX

Depois de concluir uma execução de treinamento bem-sucedida, você precisa gerar um modelo ONNX e fazer upload do modelo treinado para a loja de modelos Aprendizagem de Máquina em Tempo Real . Depois de executar as células a seguir, o modelo ONNX aparece no painel esquerdo ao lado de todos os outros notebooks.

import os
import skl2onnx, subprocess

model.generate_onnx_resources()

model_path = "model.onnx"

model = ModelUpload(params={'model_path': model_path})
msg_model = model.process(None, 1)
model_id = msg_model.model['model_id']
 
print("Model ID : ", model_id)

Fazer upload de seu próprio modelo ONNX pré-treinado

Usando o botão de upload localizado em JupyterLab notebooks, carregue seu modelo ONNX pré-treinado para o ambiente de notebooks Data Science Workspace.

Em seguida, altere o valor da string model_path no bloco de anotações ML em tempo real para corresponder ao nome do modelo ONNX. Depois de concluir, execute a célula Definir caminho do modelo e execute o Carregue seu modelo para a célula de Armazenamento de Modelo RTML. A localização do modelo e a ID do modelo são retornadas na resposta quando bem-sucedidas.

Criação de linguagem específica do domínio (DSL)

Esta seção descreve a criação de um DSL. Você criará os nós que incluem qualquer pré-processamento de dados junto com o nó ONNX. Em seguida, um gráfico DSL é criado usando nós e bordas. Bordas conectam nós usando o formato baseado em tupla (node_1, node_2). O gráfico não deve ter ciclos.

Criação de nós

O nó Pandas abaixo usa "import": "map" para importar o nome do método como uma string nos parâmetros, seguido por inserir os parâmetros como uma função de mapa. O exemplo abaixo faz isso usando {'arg': {'dataLayerNull': 'notgiven', 'no': 'no', 'yes': 'yes', 'notgiven': 'notgiven'}}. Depois de colocar o mapa no lugar, você tem a opção de definir inplace como True ou False. Defina inplace como True ou False com base em se deseja aplicar transformação no local ou não. Por padrão, "inplace": False cria uma nova coluna. O suporte para fornecer um novo nome de coluna é definido para ser adicionado em uma versão subsequente. A última linha cols pode ser um nome de coluna único ou uma lista de colunas. Especifique as colunas em que deseja aplicar a transformação. Neste exemplo, leasing é especificado. Para obter mais informações sobre os nós disponíveis e como usá-los, visite o guia de referência do nó.

# Renaming leasing column using Pandas Node
leasing_mapper_node = Pandas(params={'import': 'map',
                                'kwargs': {'arg': {
                                    'dataLayerNull': 'notgiven', 
                                    'no': 'no', 
                                    'yes': 'yes', 
                                    'notgiven': 'notgiven'}},
                                'inplace': True,
                                'cols': 'leasing'})

Crie o gráfico DSL

Com seus nós criados, a próxima etapa é unir os nós para criar um gráfico.

Comece listando todos os nós que fazem parte do gráfico, criando uma matriz.

nodes = [json_df_node, 
        to_datetime_node,
        hour_node,
        dayofweek_node,
        age_fillna_node,
        carbrand_fillna_node,
        country_fillna_node,
        cartype_primary_nationality_km_fillna_node,
        carbrand_mapper_node,
        cartype_mapper_node,
        country_mapper_node,
        gender_mapper_node,
        leasing_mapper_node,
        age_to_int_node,
        age_bins_node,
        dummies_node, 
        onnx_node]

Em seguida, conecte os nós com bordas. Cada tupla é uma conexão Edge.

edges = [(nodes[i], nodes[i+1]) for i in range(len(nodes)-1)]

Depois que os nós estiverem conectados, crie o gráfico. A célula abaixo é obrigatória e não pode ser editada ou excluída.

dsl = GraphBuilder.generate_dsl(nodes=nodes, edges=edges)
pprint(json.loads(dsl))

Uma vez concluído, um objeto edge é retornado contendo cada um dos nós e os parâmetros que foram mapeados para eles.

Publicar no Edge (Hub)

Agora que você criou um gráfico DSL, é possível implantar o gráfico no Edge.

edge_utils = EdgeUtils()
(edge_location, service_id) = edge_utils.publish_to_edge(dsl=dsl)
print(f'Edge Location: {edge_location}')
print(f'Service ID: {service_id}')

Atualização do DSL e republicação no Edge (opcional)

Se não precisar atualizar seu DSL, pule para pontuação.

Seus modelos provavelmente continuarão a se desenvolver. Em vez de criar um serviço totalmente novo, é possível atualizar um serviço existente com seu novo modelo. Você pode definir um nó que deseja atualizar, atribuir a ele uma nova ID e, em seguida, fazer upload novamente do novo DSL para o Edge.

No exemplo abaixo, o nó 0 é atualizado com uma nova ID.

# Update the id of Node 0 with a random uuid.

dsl_dict = json.loads(dsl)
print(f"ID of Node 0 in current DSL: {dsl_dict['edge']['applicationDsl']['nodes'][0]['id']}")

new_node_id = str(uuid.uuid4())
print(f'Updated Node ID: {new_node_id}')

dsl_dict['edge']['applicationDsl']['nodes'][0]['id'] = new_node_id

Após atualizar a ID do nó, é possível republicar um DSL atualizado na borda.

# Republish the updated DSL to Edge
(edge_location_ret, service_id, updated_dsl) = edge_utils.update_deployment(dsl=json.dumps(dsl_dict), service_id=service_id)
print(f'Updated dsl: {updated_dsl}')

Você retorna o DSL atualizado.

Pontuação

Após a publicação em Edge, a pontuação é feita por uma solicitação de POST de um cliente. Normalmente, isso pode ser feito de um aplicativo cliente que precisa de pontuações ML. Você também pode fazer isso do Postman. O modelo Real-time ML usa EdgeUtils para demonstrar esse processo.

# Wait for the app to come up
import time
time.sleep(20)

Usando o mesmo esquema usado no treinamento, dados de pontuação de amostra são gerados. Esses dados são usados para criar um dataframe de pontuação e depois convertidos em um dicionário de pontuação. Visualize o modelo ML em tempo real para a célula de código completa.

Pontuação em relação ao endpoint da borda

Use a seguinte célula no modelo ML em tempo real para pontuar em relação ao serviço Edge.

Quando a pontuação é concluída, a URL Edge, a Carga e a saída pontuada de Edge são retornadas.

Liste seus aplicativos implantados do Edge

Para gerar uma lista dos aplicativos implantados no momento no Edge, execute a seguinte célula de código. Esta célula não pode ser editada ou excluída.

services = edge_utils.list_deployed_services()
print(services)

A resposta retornada é uma matriz dos serviços implantados.

[
    {
        "created": "2020-05-25T19:18:52.731Z",
        "deprecated": false,
        "id": "40eq76c0-1c6f-427a-8f8f-54y9cdf041b7",
        "type": "edge",
        "updated": "2020-05-25T19:18:52.731Z"
    }
]

Excluir um aplicativo implantado ou uma ID de serviço do Edge (opcional)

if edge_utils.delete_from_edge(service_id=service_id):
    print(f"Deleted service id {service_id} successfully")
else:
    print(f"Failed to delete service id {service_id}")

Próximas etapas

Seguindo o tutorial acima, você treinou e carregou com êxito um modelo ONNX na loja de modelos de Aprendizagem de Máquina em Tempo Real . Além disso, você classificou e implantou seu modelo de Aprendizagem de máquina em tempo real. Se quiser saber mais sobre os nós disponíveis para criação de modelo, visite o guia de referência do nó.