我正在尝试使用 H2O 提供的 autoML 功能并行化多个 ML 模型的训练。我使用的核心代码如下:
library(foreach)
library(doParallel)
project_folder <- "/home/user/Documents/"
ncores <- parallel::detectCores(logical = FALSE)
nlogiccpu <- parallel::detectCores()
max_mem_size <- "4G"
cl<-makeCluster(nlogiccpu)
registerDoParallel(cl)
df4 <-foreach(i = as.numeric(seq(1,length(divisions))), .combine=rbind) %dopar% {
library(dplyr)
library(h2o)
h2o.init(nthreads = ncores, max_mem_size = max_mem_size)
div <- divisions[i]
df.h2o <- as.h2o(
df %>% filter(code == div) )
y <- "TARGET"
x <- names(df.train.x.discretized)
automl.models.h2o <- h2o.automl(
x = x,
y = y,
training_frame = df.h2o,
nfolds = 10,
seed = 111,
project_name = paste0("PRJ_", div)
)
leader <- automl.models.h2o@leader
div_folder <- file.path(project_folder, paste0("Division_", div))
h2o.saveModel(leader,
path = file.path(div_folder, "TARGET_model_bin"))
...
}
所有模型中只有一部分被训练并保存在他们的文件夹中,因为在某些时候我收到以下错误:
water.exceptions.H2O.llegalArgumentException: 非法参数: 功能training_frame:网格:无法将新模型追加到网格 具有不同的训练输入
我想在 autoML 阶段使用网格,所以我试图找到一个参数来传递grid_id
,就像我在 h2o.grid
函数中所做的那样,如下所示:
grid <- h2o.grid(“gbm”, grid_id = paste0(“gbm_grid_id”, div),
...)
但我找不到这样做的方法。我使用的 H2O 软件包版本是 3.24.0.2。
有什么建议吗?
这个问题的简短回答是,你不能在单个网格中使用不同的训练框架。 每个模型网格必须与单个训练集相关联(这个想法是你不想比较在不同训练集上训练的模型(。 这就是您遇到错误的原因。 看起来每个df.h2o
训练帧都是原始df
帧的不同子集。
另一个注意事项:H2O和R的并行功能不能很好地混合。 H2O 模型训练已经并行化,但方式不同(出于可扩展性原因(。单个模型的训练在 H2O 中并行化(在多个内核上(,但 H2O 并非旨在同时训练多个模型。 如果要在一台计算机上一次训练多个模型,则必须在不同端口上的不同 R 会话中启动多个 H2O 群集。
h2o.shutdown((有时会话使用两个训练数据集运行两次
也可能是您在相同的 IP 上打开同一个 h2o 会话两次,使用不同的训练数据,而 h2o 后端不允许这样做。