2014-03-29 56 views
0

我正在使用python库进行深度学习和神经网络。我正在运行的计算机有16 GB的RAM,1866 MHz。起初,我的输入数据文件过大,所以我把它弄坏了小:Python内存错误与Python pkl文件

-rw-rw-r-- 1 jt jt 1.8G Mar 20 18:09 covarFile.pkl

造成的:

Traceback (most recent call last): File "PYJT2/pp_dbn.py", line 69, in <module> go() File "PYJT2/pp_dbn.py", line 32, in go model = cPickle.load(open(CONTROL_DBN.INPUT, "rb")) MemoryError

由于文件是numpy的阵列只是一个numpy的阵列,我可以将它分解成单独的文件,并通过加载大量的pickle文件在程序中动态地重新创建较大的文件。

total 5.2G drwxrwxr-x 2 jt jt 4.0K Mar 20 18:15 ./ drwxrwxr-x 4 jt jt 4.0K Mar 20 18:15 ../ -rw-rw-r-- 1 jt jt 351M Mar 20 18:09 outfile-0.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:11 outfile-10.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:11 outfile-11.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:12 outfile-12.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:12 outfile-13.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:12 outfile-14.pkl -rw-rw-r-- 1 jt jt 2.3M Mar 20 18:12 outfile-15.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:09 outfile-1.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:09 outfile-2.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:10 outfile-3.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:10 outfile-4.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:10 outfile-5.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:10 outfile-6.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:11 outfile-7.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:11 outfile-8.pkl -rw-rw-r-- 1 jt jt 351M Mar 20 18:11 outfile-9.pkl

而且这个解决方案工作得很好。 我的问题是,现在我有一个文件,导致MemoryError,我不知道如何进一步分手。它是一个theano张量变量,代表30,000x30,000的浮点数矩阵。我的问题:

  1. 是否有一种方法可以跨多个pkl文件保存某些内容,即使您不确定如何划分基础数据结构?
  2. 将在我们的实验室服务器(48 GB)上运行此更好吗?或者是这个内存错误独立于架构?
  3. 我现在拥有的庞大的pkl文件太大,无法使用毫无价值?我希望不是,大约8个小时的神经网络训练。
  4. 除了使用任何人都可以想到的数据库之外,还有其他解决方案吗?如果可能的话,我强烈希望而不是使用数据库,因为我已经不得不将软件转移到众多的服务器上,其中许多服务器我没有root访问权限,并且很难安装其他东西。

回答

1

首先,pkl对于保存二进制数据并不是很好,而且对内存不友好。在写入磁盘之前,它必须复制ram中的所有数据。所以这是内存使用的两倍!您可以使用numpy.save和numpy.load来存储ndarray,而不会导致内存翻倍。

对于Theano变量,我猜你正在使用Theano共享变量。默认情况下,当你通过get_value()得到它时,它复制数据。您可以使用get_value(borrow=True)不要复制此内容。

这两种变化都可以将内存使用量降低3倍。如果这还不够,或者你自己厌倦了处理多个文件,我会建议你使用pytables:http://www.pytables.org/它允许将一个大的ndarray存储在一个大于ram的文件中,但它提供了一个类似于ndarray,你可以非常类似于ndarray。