H2O使用过多RAM和稀疏矩阵
我使用H2O和一个维数为700000 x 800000的SVMLight稀疏矩阵。磁盘上的文件大小约为~800MB。但将其导入H2O需要超过300GB的RAM?该过程也需要太长时间(约15分钟)才能完成 相比之下,我可以使用矩阵包在RAM中创建和存储稀疏矩阵。在这种情况下,稀疏矩阵需要约1.2GB的RAM 下面是我的代码:H2O使用过多RAM和稀疏矩阵,r,sparse-matrix,h2o,R,Sparse Matrix,H2o,我使用H2O和一个维数为700000 x 800000的SVMLight稀疏矩阵。磁盘上的文件大小约为~800MB。但将其导入H2O需要超过300GB的RAM?该过程也需要太长时间(约15分钟)才能完成 相比之下,我可以使用矩阵包在RAM中创建和存储稀疏矩阵。在这种情况下,稀疏矩阵需要约1.2GB的RAM 下面是我的代码: library(h2o) h2o.init(nthreads=-1,max_mem_size = "512g") x <- h2o.importFile('test2
library(h2o)
h2o.init(nthreads=-1,max_mem_size = "512g")
x <- h2o.importFile('test2.svmlight', parse = TRUE)
我非常喜欢H2O,并希望将其用于此项目,因此我非常感谢您的建议。H2O将数据存储在列压缩存储中,并且经过优化,可以很好地处理具有大量(数十亿+)行和大量(数千+)列的数据集 每一列都存储在一堆H2O称之为块的东西中。块是一组连续的行。一个块可能是稀疏的,因此如果一个块包含10000行,并且它们都丢失了,那么该块所需的内存量可能非常小。但这一块仍然需要存在 实际上,这意味着H2O稀疏地存储行,但不稀疏地存储列。因此,它不会像用于广泛数据的纯稀疏矩阵包那样高效地存储数据 在您的具体案例中,800000列正在推动H2O的极限
关于H2O,有些人不知道的一件事是它能有效地处理分类列。所以,如果您通过手动对数据进行1-hot编码来获得列爆炸,则不需要使用H2O。另一种数据表示方式会更有效。H2O将数据存储在列压缩存储中,并经过优化,可以很好地处理具有大量(数十亿+)行和大量(数千+)列的数据集 每一列都存储在一堆H2O称之为块的东西中。块是一组连续的行。一个块可能是稀疏的,因此如果一个块包含10000行,并且它们都丢失了,那么该块所需的内存量可能非常小。但这一块仍然需要存在 实际上,这意味着H2O稀疏地存储行,但不稀疏地存储列。因此,它不会像用于广泛数据的纯稀疏矩阵包那样高效地存储数据 在您的具体案例中,800000列正在推动H2O的极限 关于H2O,有些人不知道的一件事是它能有效地处理分类列。所以,如果您通过手动对数据进行1-hot编码来获得列爆炸,则不需要使用H2O。另一种数据表示将更有效
openjdk version "1.8.0_121"
OpenJDK Runtime Environment (build 1.8.0_121-b13)
OpenJDK 64-Bit Server VM (build 25.121-b13, mixed mode)
Starting H2O JVM and connecting: .. Connection successful!
R is connected to the H2O cluster:
H2O cluster uptime: 2 seconds 76 milliseconds
H2O cluster version: 3.14.0.3
H2O cluster version age: 1 month and 8 days
H2O cluster name: H2O_started_from_R_ra2816_fhv677
H2O cluster total nodes: 1
H2O cluster total memory: 455.11 GB
H2O cluster total cores: 24
H2O cluster allowed cores: 24
H2O cluster healthy: TRUE
H2O Connection ip: localhost
H2O Connection port: 54321
H2O Connection proxy: NA
H2O Internal Security: FALSE
H2O API Extensions: XGBoost, Algos, AutoML, Core V3, Core V4
R Version: R version 3.4.1 (2017-06-30)