web-dev-qa-db-ja.com

Sklearnモデルのフィッティング中に「デバイスにスペースが残っていません」エラー

Scikit-learnを使用して、LDAモデルに大量のデータを適合させています。関連するコードは次のようになります。

lda = LatentDirichletAllocation(n_topics = n_topics, 
                                max_iter = iters,
                                learning_method = 'online',
                                learning_offset = offset,
                                random_state = 0,
                                evaluate_every = 5,
                                n_jobs = 3,
                                verbose = 0)
lda.fit(X)

（ここで関連する可能性のある唯一の詳細は、私が複数のジョブを使用していることだと思います。）

しばらくすると、ディスクに十分な空き領域と十分な空きメモリがあるにもかかわらず、「デバイスに空き領域がありません」エラーが発生します。最初にpython3を使用してからpython2を使用して、2つの異なるコンピューターで同じコードを数回試しましたが、毎回同じエラーが発生しました。

小さなデータサンプルで同じコードを実行すると、すべて正常に動作します。

スタックトレース全体：

Failed to save <type 'numpy.ndarray'> to .npy file:
Traceback (most recent call last):
  File "/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/externals/joblib/numpy_pickle.py", line 271, in save
    obj, filename = self._write_array(obj, filename)
  File "/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/externals/joblib/numpy_pickle.py", line 231, in _write_array
    self.np.save(filename, array)
  File "/home/ubuntu/anaconda2/lib/python2.7/site-packages/numpy/lib/npyio.py", line 491, in save
    pickle_kwargs=pickle_kwargs)
  File "/home/ubuntu/anaconda2/lib/python2.7/site-packages/numpy/lib/format.py", line 584, in write_array
    array.tofile(fp)
IOError: 275500 requested and 210934 written


IOErrorTraceback (most recent call last)
<ipython-input-7-6af7e7c9845f> in <module>()
      7                                 n_jobs = 3,
      8                                 verbose = 0)
----> 9 lda.fit(X)

/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/decomposition/online_lda.pyc in fit(self, X, y)
    509                     for idx_slice in gen_batches(n_samples, batch_size):
    510                         self._em_step(X[idx_slice, :], total_samples=n_samples,
--> 511                                       batch_update=False, parallel=parallel)
    512                 else:
    513                     # batch update

/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/decomposition/online_lda.pyc in _em_step(self, X, total_samples, batch_update, parallel)
    403         # E-step
    404         _, suff_stats = self._e_step(X, cal_sstats=True, random_init=True,
--> 405                                      parallel=parallel)
    406 
    407         # M-step

/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/decomposition/online_lda.pyc in _e_step(self, X, cal_sstats, random_init, parallel)
    356                                               self.mean_change_tol, cal_sstats,
    357                                               random_state)
--> 358             for idx_slice in gen_even_slices(X.shape[0], n_jobs))
    359 
    360         # merge result

/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in __call__(self, iterable)
    808                 # consumption.
    809                 self._iterating = False
--> 810             self.retrieve()
    811             # Make sure that we get a last message telling us we are done
    812             elapsed_time = time.time() - self._start_time

/home/ubuntu/anaconda2/lib/python2.7/site-packages/sklearn/externals/joblib/parallel.pyc in retrieve(self)
    725                 job = self._jobs.pop(0)
    726             try:
--> 727                 self._output.extend(job.get())
    728             except Tuple(self.exceptions) as exception:
    729                 # Stop dispatching any new job in the async callback thread

/home/ubuntu/anaconda2/lib/python2.7/multiprocessing/pool.pyc in get(self, timeout)
    565             return self._value
    566         else:
--> 567             raise self._value
    568 
    569     def _set(self, i, obj):

IOError: [Errno 28] No space left on device
pythonmultithreadingscikit-learnioerror
21
machaerus

LatentDirichletAllocationにも同じ問題がありました。共有メモリが不足しているようです（/dev/shmを実行するとdf -h）。設定してみてくださいJOBLIB_TEMP_FOLDER環境変数を別のものに変更：例：/tmp。私の場合、それは問題を解決しました。

または、LDAをトレーニングしているマシンに適切な権限がある場合は、共有メモリのサイズを増やします。

33
silentser

この問題は、共有メモリが消費され、I/O操作が許可されない場合に発生します。これは、ほとんどのKaggleユーザーが機械学習モデルをフィッティングしているときに発生するイライラする問題です。

次のコードを使用してJOBLIB_TEMP_FOLDER変数を設定することで、この問題を解決しました。

%env JOBLIB_TEMP_FOLDER=/tmp
7
abhinav

これは、n_jobs = 3を設定したためです。これを1に設定すると、学習に時間がかかりますが、共有メモリは使用されません。上記の回答に従ってjoblibキャッシュディレクトリを選択することを選択できますが、このキャッシュはデータセットによっては、ディスクもすぐにいっぱいになる可能性があることを覚えておいてください。そしてディスクトランザクションはあなたの仕事を遅くすることができます。

0
Artem Trunov