在R中的RAM中保存列表

我正在运行一个分类算法

• 我有47个模型
• 我针对每个模型测试我的输入
• 这些型号总共占用2.7GB的磁盘空间
• 我使用

  r.cache

  包将模型存储在磁盘上
• 我从磁盘上一个接一个地检索模型并运行预测

所以我认为将模型加载到RAM中是有意义的。这将节省io时间并加快进程

我调整了函数（见下面的代码），将模型加载到列表中，并将模型保存在全局环境中（假设全局环境在RAM中）

但是，功能速度没有变化，RAM内存使用似乎也没有变化

问题：

我现在假设全局环境变量被缓存到磁盘上，对吗

是否可以在RAM中保存大内存占用模型列表（每个模型的范围从50mb到400mb）

当前代码如下：

注意：loadCache是r.cache包中的一个方法。它从磁盘缓存加载模型。 显然，这是测试代码。如果它真的有效，我会把它分解成更小的函数

  if(is.null(modelsList))
  {
    modelsList=list()

    for(majorFinal in majorAsFactor)
    {
      print(paste("\n\n\n\npredicting.....",majorFinal))
      key=list(paste("KSVM",majorFinal,sep='_'))
      svm_model <- loadCache(key)
      modelsList[[count]] <- svm_model

      count <- count+1
      svm_pred <- predict(svm_model, onerowdfcache)

        if(as.character(svm_pred)!="OTHER")
        {

          results<-c(results,as.character(svm_pred))
          print(results)
        }
    }
  }
  else
  {
    count=as.numeric(1)
      for(svm_model in modelsList)
      {
        print(paste("\n\n\n\npredicting.....",count))
        count=count+1
        svm_pred <- predict(svm_model, onerowdfcache)

        if(as.character(svm_pred)!="OTHER")
        {


          results<-c(results,as.character(svm_pred))
          print(results)

        }

    }
  }

if（is.null（modelsList））
{
modelsList=list（）
对于（MajorFactor中的majorFinal）
{
打印（粘贴（“\n\n\n\n命令…”，主要最终版本））
键=列表（粘贴（“KSVM”，主最终，sep=”））
svm_model您可以将尽可能多的数据加载到R中，就像您的机器有RAM一样。通常，如果您想用这些数据做任何事情，您的对象应该只占用机器RAM的1/3。您的代码可能比较慢的一个原因是，您正在通过向它们添加项来增加
结果
和
模型列表
。但不是在第二秒钟假设。那么，第一个条件可能会更慢，不是吗？嗯，无论是
if
还是
else
，你的
结果都在增长。但是实际的速度成本是不可能精确地说出来的。我不知道你的数据有多大，你在做多少次迭代。如果它都很小，那么速度成本就会很低ld最小。结果很小（通常是两个10个字符的字符串）。在第一种情况下，通过r.cache从磁盘加载的模型很大，总计2.7GB。我认为第二种情况已经消除了这一点，但性能没有差异。请将脚本分解为组件，并测量
system.time（）每个部分所需的时间
功能。我猜从缓存加载模型不会花费任何时间。如果您经常使用磁盘中的文件，大多数操作系统会将其保存在内存缓冲区中以更快地加载。RAM速度约为10000 MB/s。您可以将与您的机器具有RAM的数据一样多的数据加载到R中。通常，如果您想对该数据执行任何操作，您的对象应该d可能只占用机器RAM的1/3。代码可能会变慢的原因之一是，通过向
结果
和
模型列表
添加项目，它们都在增长。但在第二种情况下不会。因此，人们会认为第一种情况会变慢，不是吗？嗯，在
两种情况下，您都在增长
结果
和
else
。但是实际的速度成本不可能精确地说出来。我不知道您的数据有多大，您正在进行多少次迭代。如果数据都非常小，速度成本将是最小的。结果很小（通常是两个10字符的字符串）。在第一种情况下，通过r.cache从磁盘加载的模型非常庞大，总计2.7GB。我认为第二种情况已经解决了这一问题，但性能没有差异。请将脚本分解为组件，并测量每个部分在
system.time（）中所用的时间
功能。我猜从缓存加载模型不会花费任何时间。如果您经常使用磁盘中的文件，大多数操作系统会将其保存在内存缓冲区中以更快地加载。RAM速度约为10000 MB/s。