Question

我正在使用python中的H2o包运行xgboost。我设置为使用机器的所有32个内核。分类器位于for循环中，可为不同的参数运行分类。我正在启动h2o并在循环中将其关闭。它在循环中运行2-3回合，并返回一些运行错误“无法执行加速器操作：节点/127.0.0.1:54321上的updater处于非活动状态”。有人知道我为什么会收到这样的错误吗？

谢谢，埃纳兹（Elnaz）

`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Flow接口http://127.0.0.1:54321观看操作，并注意内存使用情况。

请参阅 http://docs.h2o.ai/h2o/latest-stable/h2o-docs/flow.html#viewing-cluster-status表示您应该观看的屏幕。您将看到每个节点上的可用内存量实时更新。

如果没有更多信息，可能会猜测您的内存不足，因为您在for循环的每次迭代中使用的内存更多。

如果是这样，很难在不了解for循环内所做操作的情况下给出建议；但是，如果训练数据相同，请确保将其加载到for循环之外。在最坏的情况下，您应该在for循环中进行H2O初始化和关闭（并在每次迭代结束时保存模型，以备后用）。

哦，还有一种可能，正如您没有提到的那样：在h2o.init（）调用中明确指定要提供H2O的内存量。您可能会发现，除了提供默认值以外，您还可以提供更多功能。（但不要将H2O all 留给机器的内存，否则一切都会变得不稳定！）

Answer 2

我有同样的问题。但是，当您指定（示例）max_runtime_secs = 6000时，将不会出错。该指标解决了我的问题。

顺便说一句，尝试在h2o.xgboost中更改参数，问题可能出在这里。

H2o Packge错误：无法执行增强操作：节点/127.0.0.1:54321上的更新程序处于非活动状态

2 个答案: