H2o打包错误：无法执行增压器操作：更新程序在节点/127.0.0.1:54321上处于非活动状态

Question

我使用python中的H2o包运行xgboost。我开始使用我机器的32个核心。分类器位于for循环中，用于对不同参数运行分类。我正在启动水，并在循环中关闭它。它在循环中运行2-3轮，对于某些运行返回错误“Cannot perform booster operation:updater is inactive on node/127.0.0.1:54321”。 有人知道我为什么会犯这样的错误吗？在

谢谢， 埃尔纳兹

`for dates in start_end_dates:
     for window_size in window_sizes:
          print dates[0], dates[1], dates[2], window_size
          model_string = str(dates[0])+ '_'+ str(dates[1]) + ':'+ str(dates[2])+ ':'+ str(window_size)
    ## load daily transaction types 
         ## this function runs in parallel on all cpus 
         daily_transactions_type_df = transform_transactions_types.transform(dates[0], dates[1], window_size)
         ##load daily transactions
         ## this function runs in parallel on all cpus 
         daily_transactions_df = transfrom_daily_transactions.transform(dates[0], dates[1], window_size, max_number_of_instrument)

         snapshot_date = dates[1]
         ## user status list
         user_status_list = Classification_helpers.load_user_status_data_from_gbq(snapshot_date)
    user_status_list

         ## Normalize the data
         numeric_columns = daily_transactions_type_df.iloc[:,1:].columns.tolist()  
        other_columns = []
        daily_transactions_type_df_norm = Classification_helpers.normalize_data_without_outliers(daily_transactions_type_df, numeric_columns, other_columns)

        ## Normalize the data
        numeric_columns = daily_transactions_df.iloc[:,1:-6].columns.tolist()  
        other_columns = daily_transactions_df.iloc[:,-5:].columns.tolist()
        daily_transactions_df_norm =   Classification_helpers.normalize_data_without_outliers(daily_transactions_df,numeric_columns,other_columns)

        data_frames = [daily_transactions_type_df_norm,   daily_transactions_df_norm, user_status_list[['USER_ID', 'label']]]

        df = Classification_helpers.create_labelled_data(data_frames)
        numeric_columns = df.iloc[:,1:-6].columns.tolist()  
        other_columns = df.iloc[:,-6:-1].columns.tolist()  

        nthreads = -1
        Classification_helpers.init_h2o(nthreads)

         model, performance, predictions = Classification_helpers.train_XGboost(df, numeric_columns, other_columns, model_string)
    print performance.auc()`

Answer 1

使用流接口观察操作：http://127.0.0.1:54321，并注意内存的使用。在

看到了吗 ^{你应该在看屏幕。您将看到每个节点上实时更新的可用内存量。在

---

如果没有更多的信息，一种猜测可能是内存不足，因为在for循环的每次迭代中都会使用更多的内存。在

如果是这样的话，很难在没有看到你在for循环内做什么的情况下给出建议；但是如果训练数据是相同的，那么就要确保它加载到for循环之外。在最坏的情况下，您应该在for循环中执行H2O init和shutdown（并在每次迭代结束时保存模型，以备以后使用）。在

哦，还有一种可能，正如您没有提到的那样：在您的H2O.init（）调用中显式指定给H2O多少内存。你可能会发现你可以通过付出比默认值更多的代价来逃脱惩罚。（但是不要给机器的内存加水，否则一切都会变得不稳定！）在

Answer 2

我也有同样的问题。但是当您指定（example）max_runtime_secs = 6000时，不会有任何错误。那个指示器解决了我的问题。在

顺便说一句，尝试在h2o.xgboost内更改参数，问题可能就在那里。在