在r中初始化h2o的时间太长
我正在尝试使用在r中初始化h2o的时间太长,r,h2o,R,H2o,我正在尝试使用h2o.init()在我的windows计算机上初始化h2o。直到昨天它还可以正常工作,但今天初始化时间太长,并发出警告消息: h2o.init() Connection successful! R is connected to the H2O cluster: H2O cluster uptime: 5 days 23 hours H2O cluster timezone: America/New_York H2O
h2o.init()
在我的windows计算机上初始化h2o
。直到昨天它还可以正常工作,但今天初始化时间太长,并发出警告消息:
h2o.init()
Connection successful!
R is connected to the H2O cluster:
H2O cluster uptime: 5 days 23 hours
H2O cluster timezone: America/New_York
H2O data parsing timezone: UTC
H2O cluster version: 3.18.0.11
H2O cluster version age: 19 days
H2O cluster name: H2O_started_from_R_tfx859
H2O cluster total nodes: 1
H2O cluster total memory: 0.46 GB
H2O cluster total cores: 8
H2O cluster allowed cores: 8
H2O cluster healthy: FALSE
H2O Connection ip: localhost
H2O Connection port: 54321
H2O Connection proxy: NA
H2O Internal Security: FALSE
H2O API Extensions: Algos, AutoML, Core V3, Core V4
R Version: R version 3.5.0 (2018-04-23)
.h2o中的警告。\u checkConnectionHealth():
H2O群集节点1.0.0.1:5运行缓慢,应手动检查
.h2o中的警告。\u checkConnectionHealth():
在此处检查H2O群集状态:
我如何解决这个问题
另外,当我试图使用
test.h2o将数据帧转换为h2o
对象时,它在连接到h2o
后抛出错误。错误消息告诉您,您的一个节点运行缓慢(该机器出现了一些错误,使其运行缓慢,而不是h2o问题)。我的建议是使用H2O.shutdown()
关闭H2O群集,然后重新启动所有节点,然后重新启动H2O群集。这应该可以解决问题。错误消息告诉您,您的一个节点运行缓慢(该机器出现了问题,导致其运行缓慢,而不是H2O问题)。我的建议是使用H2O.shutdown()
关闭H2O群集,然后重新启动所有节点,然后重新启动H2O群集。这应该可以解决问题。请注意:
H2O群集总内存:0.46 GB
这对于H2O来说内存太少,无法运行。我建议不要小于5 GB。请注意:
H2O群集总内存:0.46 GB
这对于H2O来说内存太少,无法运行。我建议不要小于5 GB。我已尝试h2o。关闭以重新启动群集。它解决了问题,忘了在这里更新。在遇到这个问题之前,我运行了12个多小时的automl
。你认为这可能与使集群变慢有关吗?这可能与此有关——H2O集群可能已经耗尽了内存,因为它存储了太多的模型,所以如果可以的话,给它更多的内存。如果您从H2O.ai/download下载H2O 3.20.0.1,您可以在AutoML中使用新的keep_cross_validation_models
选项,您可以将该选项设置为FALSE
。这将丢弃CV模型,这将释放额外的内存。当我出现此错误时,通常意味着我使用了太多的内存(制作了太多的模型)。在这一点上,通常已经太晚了,无法优雅地恢复,所以我必须杀死它并重新开始。请注意,您可以将arg传递给h2o.init(),例如max\u mem\u size=“4G”
,以提供更多内存。如果计算机没有执行任何其他操作,您应该能够安全地将除1G之外的所有系统内存分配给H2O。我已尝试H2O。关闭
以重新启动群集。它解决了问题,忘了在这里更新。在遇到这个问题之前,我运行了12个多小时的automl
。你认为这可能与使集群变慢有关吗?这可能与此有关——H2O集群可能已经耗尽了内存,因为它存储了太多的模型,所以如果可以的话,给它更多的内存。如果您从H2O.ai/download下载H2O 3.20.0.1,您可以在AutoML中使用新的keep_cross_validation_models
选项,您可以将该选项设置为FALSE
。这将丢弃CV模型,这将释放额外的内存。当我出现此错误时,通常意味着我使用了太多的内存(制作了太多的模型)。在这一点上,通常已经太晚了,无法优雅地恢复,所以我必须杀死它并重新开始。请注意,您可以将arg传递给h2o.init(),例如max\u mem\u size=“4G”
,以提供更多内存。如果机器没有执行任何其他操作,您应该能够安全地将系统内存(1G除外)分配给H2O。