我在一个应用程序中加载了非常大的python对象——它们是序列化的scikit学习分类器及其相关词汇表。在
分类器足够大(大约1-100mbs),因此将它们加载到内存中是一项非常重要的任务。实际读取速度很快,但取消拾取需要很长时间,对于4MB分类器来说大约需要10秒。在
有没有比序列化/反序列化对象更快的方法cPickle.dumps/cPickle.负载?在
附加信息:
分类器是10个元素的一对一随机森林的实例。分类人员接受了大约1000个样本、大约500个特征和52个可能的标签的培训。min_density
参数设置为0。在
的C配置文件输出cPickle.load公司以下内容:
Ordered by: standard name
ncalls tottime percall cumtime percall filename:lineno(function)
1 0.000 0.000 300.168 300.168 <ipython-input-4-9b8a128f290d>:1(loader)
1 0.899 0.899 301.067 301.067 <string>:1(<module>)
51380 288.151 0.006 288.151 0.006 __init__.py:93(__RandomState_ctor)
51380 0.059 0.000 0.404 0.000 fromnumeric.py:1774(amax)
1 11.613 11.613 300.168 300.168 {cPickle.load}
1 0.000 0.000 0.000 0.000 {method 'disable' of '_lsprof.Profiler' objects}
51380 0.344 0.000 0.344 0.000 {method 'max' of 'numpy.ndarray' objects}
1 0.000 0.000 0.000 0.000 {open}
我正准备在github.com/scikit-了解这个。在
你试过使用joblib选择器吗?它捆绑在sklearn包中:
编辑:实际上,对于随机林,使用最高原生质的默认酸洗似乎更快:
^{pr2}$Edit2:根据您的概要报告,问题似乎是伪随机数生成器实例的取消拾取。请提供您用于训练模型和数据集形状的确切python片段,并将其作为scikit learn项目github问题跟踪器的分析报告一起包含吗?在
相关问题 更多 >
编程相关推荐