קריאת מסד נתונים PostgreSQL מ- TensorFlow IO

הצג באתר TensorFlow.org הפעל בגוגל קולאב צפה במקור ב-GitHub הורד מחברת

סקירה כללית

מופעים הדרכה זו כיצד ליצור tf.data.Dataset משרת בבסיס הנתונים PostgreSQL, כך נוצר Dataset יכול להיות עבר tf.keras למטרות הכשרה או היסק.

מסד נתונים של SQL הוא מקור נתונים חשוב עבור מדעני נתונים. בתור אחד של מסד הנתונים SQL המקור הפתוח הפופולרית ביותר, PostgreSQL הוא בשימוש נרחב מפעלים לאחסון נתונים critial ו עסקאות על פני הלוח. יצירת Dataset משרת בבסיס הנתונים PostgreSQL ישירות ולהעביר את Dataset כדי tf.keras לאימונים או היסק, יכול לפשט את מדען נתונים צינור ועזרה נתונים מאוד להתמקד בבניית מודלים של למידה חישובית.

הגדרה ושימוש

התקן את חבילות tensorflow-io הנדרשות והפעל מחדש את זמן הריצה

try:
  %tensorflow_version 2.x
except Exception:
  pass

!pip install -q tensorflow-io

התקן והגדר PostgreSQL (אופציונלי)

על מנת להדגים את השימוש בגוגל קולאב תתקין שרת PostgreSQL. יש צורך גם בסיסמה ומסד נתונים ריק.

אם אינך מפעיל מחברת זו ב-Google Colab, או שאתה מעדיף להשתמש במסד נתונים קיים, אנא דלג על ההגדרה הבאה והמשך לסעיף הבא.

# Install postgresql server
sudo apt-get -y -qq update
sudo apt-get -y -qq install postgresql
sudo service postgresql start

# Setup a password `postgres` for username `postgres`
sudo -u postgres psql -U postgres -c "ALTER USER postgres PASSWORD 'postgres';"

# Setup a database with name `tfio_demo` to be used
sudo -u postgres psql -U postgres -c 'DROP DATABASE IF EXISTS tfio_demo;'
sudo -u postgres psql -U postgres -c 'CREATE DATABASE tfio_demo;'

Preconfiguring packages ...
Selecting previously unselected package libpq5:amd64.
(Reading database ... 254633 files and directories currently installed.)
Preparing to unpack .../0-libpq5_10.15-0ubuntu0.18.04.1_amd64.deb ...
Unpacking libpq5:amd64 (10.15-0ubuntu0.18.04.1) ...
Selecting previously unselected package postgresql-client-common.
Preparing to unpack .../1-postgresql-client-common_190ubuntu0.1_all.deb ...
Unpacking postgresql-client-common (190ubuntu0.1) ...
Selecting previously unselected package postgresql-client-10.
Preparing to unpack .../2-postgresql-client-10_10.15-0ubuntu0.18.04.1_amd64.deb ...
Unpacking postgresql-client-10 (10.15-0ubuntu0.18.04.1) ...
Selecting previously unselected package ssl-cert.
Preparing to unpack .../3-ssl-cert_1.0.39_all.deb ...
Unpacking ssl-cert (1.0.39) ...
Selecting previously unselected package postgresql-common.
Preparing to unpack .../4-postgresql-common_190ubuntu0.1_all.deb ...
Adding 'diversion of /usr/bin/pg_config to /usr/bin/pg_config.libpq-dev by postgresql-common'
Unpacking postgresql-common (190ubuntu0.1) ...
Selecting previously unselected package postgresql-10.
Preparing to unpack .../5-postgresql-10_10.15-0ubuntu0.18.04.1_amd64.deb ...
Unpacking postgresql-10 (10.15-0ubuntu0.18.04.1) ...
Selecting previously unselected package postgresql.
Preparing to unpack .../6-postgresql_10+190ubuntu0.1_all.deb ...
Unpacking postgresql (10+190ubuntu0.1) ...
Selecting previously unselected package sysstat.
Preparing to unpack .../7-sysstat_11.6.1-1ubuntu0.1_amd64.deb ...
Unpacking sysstat (11.6.1-1ubuntu0.1) ...
Setting up sysstat (11.6.1-1ubuntu0.1) ...

Creating config file /etc/default/sysstat with new version
update-alternatives: using /usr/bin/sar.sysstat to provide /usr/bin/sar (sar) in auto mode
Created symlink /etc/systemd/system/multi-user.target.wants/sysstat.service → /lib/systemd/system/sysstat.service.
Setting up ssl-cert (1.0.39) ...
Setting up libpq5:amd64 (10.15-0ubuntu0.18.04.1) ...
Setting up postgresql-client-common (190ubuntu0.1) ...
Setting up postgresql-common (190ubuntu0.1) ...
Adding user postgres to group ssl-cert

Creating config file /etc/postgresql-common/createcluster.conf with new version
Building PostgreSQL dictionaries from installed myspell/hunspell packages...
Removing obsolete dictionary files:
Created symlink /etc/systemd/system/multi-user.target.wants/postgresql.service → /lib/systemd/system/postgresql.service.
Setting up postgresql-client-10 (10.15-0ubuntu0.18.04.1) ...
update-alternatives: using /usr/share/postgresql/10/man/man1/psql.1.gz to provide /usr/share/man/man1/psql.1.gz (psql.1.gz) in auto mode
Setting up postgresql-10 (10.15-0ubuntu0.18.04.1) ...
Creating new PostgreSQL cluster 10/main ...
/usr/lib/postgresql/10/bin/initdb -D /var/lib/postgresql/10/main --auth-local peer --auth-host md5
The files belonging to this database system will be owned by user "postgres".
This user must also own the server process.

The database cluster will be initialized with locale "C.UTF-8".
The default database encoding has accordingly been set to "UTF8".
The default text search configuration will be set to "english".

Data page checksums are disabled.

fixing permissions on existing directory /var/lib/postgresql/10/main ... ok
creating subdirectories ... ok
selecting default max_connections ... 100
selecting default shared_buffers ... 128MB
selecting default timezone ... Etc/UTC
selecting dynamic shared memory implementation ... posix
creating configuration files ... ok
running bootstrap script ... ok
performing post-bootstrap initialization ... ok
syncing data to disk ... ok

Success. You can now start the database server using:

    /usr/lib/postgresql/10/bin/pg_ctl -D /var/lib/postgresql/10/main -l logfile start

Ver Cluster Port Status Owner    Data directory              Log file
10  main    5432 down   postgres /var/lib/postgresql/10/main /var/log/postgresql/postgresql-10-main.log
update-alternatives: using /usr/share/postgresql/10/man/man1/postmaster.1.gz to provide /usr/share/man/man1/postmaster.1.gz (postmaster.1.gz) in auto mode
Setting up postgresql (10+190ubuntu0.1) ...
Processing triggers for man-db (2.8.3-2ubuntu0.1) ...
Processing triggers for ureadahead (0.100.0-21) ...
Processing triggers for libc-bin (2.27-3ubuntu1.2) ...
Processing triggers for systemd (237-3ubuntu10.38) ...
ALTER ROLE
NOTICE:  database "tfio_demo" does not exist, skipping
DROP DATABASE
CREATE DATABASE

הגדר משתנים סביבתיים נחוצים

המשתנים הסביבתיים הבאים מבוססים על הגדרת PostgreSQL בסעיף האחרון. אם יש לך הגדרה אחרת או שאתה משתמש במסד נתונים קיים, יש לשנות אותם בהתאם:

%env TFIO_DEMO_DATABASE_NAME=tfio_demo
%env TFIO_DEMO_DATABASE_HOST=localhost
%env TFIO_DEMO_DATABASE_PORT=5432
%env TFIO_DEMO_DATABASE_USER=postgres
%env TFIO_DEMO_DATABASE_PASS=postgres

env: TFIO_DEMO_DATABASE_NAME=tfio_demo
env: TFIO_DEMO_DATABASE_HOST=localhost
env: TFIO_DEMO_DATABASE_PORT=5432
env: TFIO_DEMO_DATABASE_USER=postgres
env: TFIO_DEMO_DATABASE_PASS=postgres

הכן נתונים בשרת PostgreSQL

למטרות הדגמה מדריך זה יצור מסד נתונים ויאכלס את מסד הנתונים בכמה נתונים. הנתונים המשמשים הדרכה זו היא מן הגדר נתונים על איכות האוויר , זמין מאגר למידת מכונה UCI .

להלן תצוגה מקדימה של תת-קבוצה של מערך הנתונים של איכות האוויר:

תאריך|שעה|CO(GT)|PT08.S1(CO)|NMHC(GT)|C6H6(GT)|PT08.S2(NMHC)|NOx(GT)|PT08.S3(NOx)|NO2(GT)| PT08.S4(NO2)|PT08.S5(O3)|T|RH|AH| ----|----|------|--------|--------|--------|--- -----------|----|--------|-------|----------------|-- ----------|-|--|--| 10/03/2004|18.00.00|2,6|1360|150|11,9|1046|166|1056|113|1692|1268|13,6|48,9|0,7578| 10/03/2004|19.00.00|2|1292|112|9,4|955|103|1174|92|1559|972|13,3|47,7|0,7255| 10/03/2004|20.00.00|2,2|1402|88|9,0|939|131|1140|114|1555|1074|11,9|54,0|0,7502| 10/03/2004|21.00.00|2,2|1376|80|9,2|948|172|1092|122|1584|1203|11,0|60,0|0,7867| 10/03/2004|22.00.00|1,6|1272|51|6,5|836|131|1205|116|1490|1110|11,2|59,6|0,7888|

מידע נוסף על איכות אוויר ערכת נתון UCI מכונית למידת מאגר הוא availabel ב הפניות סעיף.

כדי לפשט את הכנת הנתונים, גרסת SQL של סט נתונים על איכות האוויר הוכנה והוא זמין כמו AirQualityUCI.sql .

ההצהרה ליצירת הטבלה היא:

CREATE TABLE AirQualityUCI (
  Date DATE,
  Time TIME,
  CO REAL,
  PT08S1 INT,
  NMHC REAL,
  C6H6 REAL,
  PT08S2 INT,
  NOx REAL,
  PT08S3 INT,
  NO2 REAL,
  PT08S4 INT,
  PT08S5 INT,
  T REAL,
  RH REAL,
  AH REAL
);

הפקודות המלאות ליצירת הטבלה במסד הנתונים ולאכלוס הנתונים הן:

curl -s -OL https://github.com/tensorflow/io/raw/master/docs/tutorials/postgresql/AirQualityUCI.sql

PGPASSWORD=$TFIO_DEMO_DATABASE_PASS psql -q -h $TFIO_DEMO_DATABASE_HOST -p $TFIO_DEMO_DATABASE_PORT -U $TFIO_DEMO_DATABASE_USER -d $TFIO_DEMO_DATABASE_NAME -f AirQualityUCI.sql

צור מערך נתונים משרת PostgreSQL והשתמש בו ב- TensorFlow

צור בשרת מן PostgreSQL מערך הנתונים קל כמו קורא tfio.experimental.IODataset.from_sql עם query ואת endpoint טיעונים. query היא שאילתת SQL עבור עמודות בחר בטבלאות ואת endpoint הטיעון הוא שם כתובת ומסד הנתונים:

import os
import tensorflow_io as tfio

endpoint="postgresql://{}:{}@{}?port={}&dbname={}".format(
    os.environ['TFIO_DEMO_DATABASE_USER'],
    os.environ['TFIO_DEMO_DATABASE_PASS'],
    os.environ['TFIO_DEMO_DATABASE_HOST'],
    os.environ['TFIO_DEMO_DATABASE_PORT'],
    os.environ['TFIO_DEMO_DATABASE_NAME'],
)

dataset = tfio.experimental.IODataset.from_sql(
    query="SELECT co, pt08s1 FROM AirQualityUCI;",
    endpoint=endpoint)

print(dataset.element_spec)

{'co': TensorSpec(shape=(), dtype=tf.float32, name=None), 'pt08s1': TensorSpec(shape=(), dtype=tf.int32, name=None)}

כפי שאתה יכול לראות את הפלט של dataset.element_spec לעיל, האלמנט של יצר Dataset הוא אובייקט פייתון dict עם שמות העמודות של הטבלה במסד הנתונים כמפתחות. זה די נוח ליישם פעולות נוספות. לדוגמה, אתה יכול לבחור בשתי nox ו- no2 שדה של Dataset , ולחשב את ההבדל:

dataset = tfio.experimental.IODataset.from_sql(
    query="SELECT nox, no2 FROM AirQualityUCI;",
    endpoint=endpoint)

dataset = dataset.map(lambda e: (e['nox'] - e['no2']))

# check only the first 20 record
dataset = dataset.take(20)

print("NOx - NO2:")
for difference in dataset:
  print(difference.numpy())

NOx - NO2:
53.0
11.0
17.0
50.0
15.0
-7.0
-15.0
-14.0
-15.0
0.0
-13.0
-12.0
-14.0
16.0
62.0
28.0
14.0
3.0
9.0
34.0

: נוצר Dataset הוא מוכן להיות מועבר tf.keras ישירות או למטרות הכשרה או היסק עכשיו.

הפניות

  • Dua, D. and Graff, C. (2019). UCI מכונת למידה מאגר [ http://archive.ics.uci.edu/ml ]. אירווין, קליפורניה: אוניברסיטת קליפורניה, בית הספר למידע ומדעי המחשב.
  • S. De Vito, E. Massera, M. Piga, L. Martinotto, G. Di Francia, על כיול שדה של אף אלקטרוני להערכת בנזן בתרחיש ניטור זיהום עירוני, חיישנים ומפעילים B: Chemical, Volume 129, Issue 2, 22 בפברואר 2008, עמודים 750-757, ISSN 0925-4005