Spark-NLP 预训练的管道是否仅适用于 linux 系统？

Question

我正在尝试设置一个简单的代码，在其中传递一个数据帧并使用 johnSnowLabs Spark-NLP 库提供的预训练解释管道对其进行测试。 我正在使用来自 anaconda 的 jupyter 笔记本，并使用 apache toree 进行了 spark scala kernet 设置。每次我运行应该加载预训练管道的步骤时，它都会引发 tensorflow 错误。有没有办法可以在本地 Windows 上运行它？

I was trying this in a maven project earlier and the same error had happened. Another colleague tried it on a linux system and it worked. Below is the code I have tried and the error that it gave.


import org.apache.spark.ml.PipelineModel
import com.johnsnowlabs.nlp.pretrained.PretrainedPipeline
import com.johnsnowlabs.nlp.SparkNLP
import org.apache.spark.sql.SparkSession

val spark: SparkSession = SparkSession
    .builder()
    .appName("test")
    .master("local[*]")
    .config("spark.driver.memory", "4G")
    .config("spark.kryoserializer.buffer.max", "200M")
    .config("spark.serializer", "org.apache.spark.serializer.KryoSerializer")
    .getOrCreate()

val testData = spark.createDataFrame(Seq(
    (1, "Google has announced the release of a beta version of the popular TensorFlow machine learning library"),
    (2, "Donald John Trump (born June 14, 1946) is the 45th and current president of the United States"))).toDF("id", "text")
val pipeline = PretrainedPipeline("explain_document_dl", lang = "en") //this is where it gives error
val annotation = pipeline.transform(testData)

  annotation.show()

  annotation.select("entities.result").show(false)

出现以下错误：

名称：java.lang.UnsupportedOperationException 消息：Spark NLP 已尝试 使用 Contrib 模块加载 Tensorflow Graph，但加载失败 在这个系统上。如果您在 Windows 上，则此操作不 支持的。请尝试非贡献模型。如果不是这样，请 报告这个问题。原始错误信息：

在运行的二进制文件中未注册操作类型“BlockLSTM” '我的机器'。确保 Op 和 Kernel 在 在这个过程中运行的二进制文件。请注意，如果您正在加载已保存的 使用来自 tf.contrib 的操作的图，访问（例如） tf.contrib.resampler 应该在导入图表之前完成，如 首次访问模块时，会延迟注册 contrib 操作。 StackTrace：操作类型未在运行的二进制文件中注册“BlockLSTM” '我的机器'。确保 Op 和 Kernel 在 在这个过程中运行的二进制文件。请注意，如果您正在加载已保存的 使用来自 tf.contrib 的操作的图，访问（例如） tf.contrib.resampler 应该在导入图表之前完成，如 首次访问模块时，contrib 操作会延迟注册。
在 com.johnsnowlabs.ml.tensorflow.TensorflowWrapper$.readGraph(TensorflowWrapper.scala:163) 在 com.johnsnowlabs.ml.tensorflow.TensorflowWrapper$.read(TensorflowWrapper.scala:202) 在 com.johnsnowlabs.ml.tensorflow.ReadTensorflowModel$class.readTensorflowModel(TensorflowSerializeModel.scala:73) 在 com.johnsnowlabs.nlp.annotators.ner.dl.NerDLModel$.readTensorflowModel(NerDLModel.scala:134) 在 com.johnsnowlabs.nlp.annotators.ner.dl.ReadsNERGraph$class.readNerGraph(NerDLModel.scala:112) 在 com.johnsnowlabs.nlp.annotators.ner.dl.NerDLModel$.readNerGraph(NerDLModel.scala:134) 在 com.johnsnowlabs.nlp.annotators.ner.dl.ReadsNERGraph$$anonfun$2.apply(NerDLModel.scala:116) 在 com.johnsnowlabs.nlp.annotators.ner.dl.ReadsNERGraph$$anonfun$2.apply(NerDLModel.scala:116) 在 com.johnsnowlabs.nlp.ParamsAndFeaturesReadable$$anonfun$com$johnsnowlabs$nlp$ParamsAndFeaturesReadable$$onRead$1.apply(ParamsAndFeaturesReadable.scala:31) 在 com.johnsnowlabs.nlp.ParamsAndFeaturesReadable$$anonfun$com$johnsnowlabs$nlp$ParamsAndFeaturesReadable$$onRead$1.apply(ParamsAndFeaturesReadable.scala:30) 在 scala.collection.mutable.ResizableArray$class.foreach(ResizableArray.scala:59) 在 scala.collection.mutable.ArrayBuffer.foreach(ArrayBuffer.scala:48) 在 com.johnsnowlabs.nlp.ParamsAndFeaturesReadable$class.com$johnsnowlabs$nlp$ParamsAndFeaturesReadable$$onRead(ParamsAndFeaturesReadable.scala:30) 在 com.johnsnowlabs.nlp.ParamsAndFeaturesReadable$$anonfun$read$1.apply(ParamsAndFeaturesReadable.scala:41) 在 com.johnsnowlabs.nlp.ParamsAndFeaturesReadable$$anonfun$read$1.apply(ParamsAndFeaturesReadable.scala:41) 在 com.johnsnowlabs.nlp.FeaturesReader.load(ParamsAndFeaturesReadable.scala:19) 在 com.johnsnowlabs.nlp.FeaturesReader.load(ParamsAndFeaturesReadable.scala:8) 在 org.apache.spark.ml.util.DefaultParamsReader$.loadParamsInstance(ReadWrite.scala:652) 在 org.apache.spark.ml.Pipeline$SharedReadWrite$$anonfun$4.apply(Pipeline.scala:27​​4) 在 org.apache.spark.ml.Pipeline$SharedReadWrite$$anonfun$4.apply(Pipeline.scala:27​​2) 在 scala.collection.TraversableLike$$anonfun$map$1.apply(TraversableLike.scala:234) 在 scala.collection.TraversableLike$$anonfun$map$1.apply(TraversableLike.scala:234) 在 scala.collection.IndexedSeqOptimized$class.foreach(IndexedSeqOptimized.scala:33) 在 scala.collection.mutable.ArrayOps$ofRef.foreach(ArrayOps.scala:186) 在 scala.collection.TraversableLike$class.map(TraversableLike.scala:234) 在 scala.collection.mutable.ArrayOps$ofRef.map(ArrayOps.scala:186)
在 org.apache.spark.ml.Pipeline$SharedReadWrite$.load(Pipeline.scala:27​​2) 在 org.apache.spark.ml.PipelineModel$PipelineModelReader.load(Pipeline.scala:348) 在 org.apache.spark.ml.PipelineModel$PipelineModelReader.load(Pipeline.scala:342) 在 com.johnsnowlabs.nlp.pretrained.ResourceDownloader$.downloadPipeline(ResourceDownloader.scala:135) 在 com.johnsnowlabs.nlp.pretrained.ResourceDownloader$.downloadPipeline(ResourceDownloader.scala:129) 在 com.johnsnowlabs.nlp.pretrained.PretrainedPipelinenter code heree.(PretrainedPipeline.scala:14)

Answer 1

我检查过，该管道中有一个 NER 模型。该 NER 模型是使用 TensorFlow 训练的，其中包含一些 contrib 代码，仅与基于 Unix 的操作系统（如 Linux 和 macOS）兼容。这里有一个未解决的问题：

https://github.com/tensorflow/tensorflow/issues/26468

为此，他们发布了一些名为noncontrib 的Windows 兼容 管道。您可以将管道的名称更改为以下内容：

val pipeline = PretrainedPipeline("explain_document_dl_noncontrib", lang = "en")

所有预训练管道的来源： https://nlp.johnsnowlabs.com/docs/en/pipelines

全面披露：我是 Spark NLP 库的贡献者之一。

更新：自 Spark NLP 2.4.0 发布以来，所有模型和管道现在都是跨平台的：https://github.com/JohnSnowLabs/spark-nlp-models

如果您使用的是 Spark NLP 2.4.0 版本，这应该适用于 Linux、macOS 和 Windows：

val pipeline = PretrainedPipeline("explain_document_dl", lang = "en")