Question

我正在尝试使用H2O提供的autoML功能来并行化多个ML模型的训练。我正在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"))
  ...
}

仅对所有模型的一部分进行了训练并将其保存在其文件夹中，因为有时会出现以下错误：

water.exceptions.H2OIllegalArgumentException：非法参数：函数的training_frame：网格：无法将新模型附加到网格具有不同的训练输入

我想在autoML阶段使用了网格，所以我试图找到一个参数来传递grid_id，就像在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),
                 ...)

但是我找不到做到这一点的方法。我正在使用的H2O软件包版本是3.2.4.0.2。

有什么建议吗？

Answer 1

这个问题的简短答案是，您不能在单个网格中使用不同的训练框架。每个模型网格都必须与一个训练集相关联（想法是您不想比较在不同训练集上训练的模型）。这就是为什么您遇到错误。看来您的每个df.h2o训练帧都是原始df帧的不同子集。

另一个说明：H2O和R的并行功能不能很好地混合使用。 H2O模型训练已经并行化，但是采用了不同的方式（出于可伸缩性原因）。单个模型的训练在H2O中（在多个内核上）并行进行，但是H2O并非旨在一次训练多个模型。如果要在一台机器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。

Answer 2

也可能是您在相同的IP上两次打开相同的h2o会话，使用了不同的训练数据，并且h2o感到困惑。

Answer 3

h2o.shutdown（）有时该会话使用两个训练数据集运行两次

在foreach循环中并行执行autoML时，出现H2O“网格：无法将新模型附加到具有不同训练输入的网格中”错误

3 个答案: