PHP-ML 内存不足答案

【问题标题】：Running out of memory on PHP-MLPHP-ML 内存不足
【发布时间】：2018-07-21 08:52:22
【问题描述】：

我正在尝试使用 PHP-ML 实现情绪分析。我有一个大约 15000 个条目的训练数据集。我有代码工作，但是，我必须将数据集减少到 100 个条目才能工作。当我尝试运行完整的数据集时，出现此错误：

Fatal error: Allowed memory size of 134217728 bytes exhausted (tried to allocate 917504 bytes) in C:\Users\<username>\Documents\Github\phpml\vendor\php-ai\php-ml\src\Phpml\FeatureExtraction\TokenCountVectorizer.php on line 95

我拥有的两个文件是 index.php：

<?php 

declare(strict_types=1);
namespace PhpmlExercise;

include 'vendor/autoload.php';

include 'SentimentAnalysis.php';

use PhpmlExercise\Classification\SentimentAnalysis;
use Phpml\Dataset\CsvDataset;
use Phpml\Dataset\ArrayDataset;
use Phpml\FeatureExtraction\TokenCountVectorizer;
use Phpml\Tokenization\WordTokenizer;
use Phpml\CrossValidation\StratifiedRandomSplit;
use Phpml\FeatureExtraction\TfIdfTransformer;
use Phpml\Metric\Accuracy;
use Phpml\Classification\SVC;
use Phpml\SupportVectorMachine\Kernel;

$dataset = new CsvDataset('clean_tweets2.csv', 1, true);
$vectorizer = new TokenCountVectorizer(new WordTokenizer());
$tfIdfTransformer = new TfIdfTransformer();
$samples = [];
foreach ($dataset->getSamples() as $sample) {
    $samples[] = $sample[0];
}
$vectorizer->fit($samples);
$vectorizer->transform($samples);
$tfIdfTransformer->fit($samples);
$tfIdfTransformer->transform($samples);
$dataset = new ArrayDataset($samples, $dataset->getTargets());
$randomSplit = new StratifiedRandomSplit($dataset, 0.1);

$trainingSamples = $randomSplit->getTrainSamples();
$trainingLabels     = $randomSplit->getTrainLabels();

$testSamples = $randomSplit->getTestSamples();
$testLabels      = $randomSplit->getTestLabels();

$classifier = new SentimentAnalysis();
$classifier->train($randomSplit->getTrainSamples(), $randomSplit->getTrainLabels());
$predictedLabels = $classifier->predict($randomSplit->getTestSamples());

echo 'Accuracy: '.Accuracy::score($randomSplit->getTestLabels(), $predictedLabels);

还有 SentimentAnalysis.php：

<?php

namespace PhpmlExercise\Classification;
use Phpml\Classification\NaiveBayes;

class SentimentAnalysis
{
    protected $classifier;

    public function __construct()
    {
        $this->classifier = new NaiveBayes();
    }
    public function train($samples, $labels)
    {
        $this->classifier->train($samples, $labels);
    }

    public function predict($samples)
    {
        return $this->classifier->predict($samples);
    }
}

我对机器学习和 php-ml 还是很陌生，所以我不确定如何推断问题出在哪里，或者是否有办法在没有大量内存的情况下解决这个问题。我能说的最多的是错误发生在索引文件第 22 行的 TokenCountVectorizer 中。有没有人知道是什么导致了这个问题或以前遇到过这个问题？

PHP-ML 的链接在这里：http://php-ml.readthedocs.io/en/latest/

谢谢

【问题讨论】：

在文章下有其中一个提示 - “如果您尝试针对完整数据集（14,000 行）运行，您可能会注意到该过程的内存密集程度。尝试实现模型持久性，这样它就不会不必在每次跑步时都接受训练。”我也成功地从 csv 文件中删除了 90% 的数据。

标签： php machine-learning memory php-ml

【解决方案1】：

此错误来自于加载到内存中的内容多于 PHP 设置为在一个进程中处理的内容。还有其他原因，但这些原因不太常见。

在您的情况下，您的 PHP 实例似乎配置为允许使用最大 128MB 内存。在机器学习中，这不是很多，如果您使用大型数据集，您肯定会达到这个限制。

要将您允许 PHP 使用的内存量更改为 1GB，您可以编辑您的 php.ini 文件并设置

memory_limit = 1024M

如果您无权访问您的 php.ini 文件，但仍有更改设置的权限，您可以在运行时使用

<?php
    ini_set('memory_limit', '1024M');

或者，如果您运行 Apache，您可以尝试使用 .htaccess 文件指令设置内存限制

php_value memory_limit 1024M

请注意，大多数共享托管解决方案等对您允许使用的内存量都有严格的限制，而且通常很低。

您可以做的其他事情是

如果您从文件加载数据，请查看 fgets 和 SplFileObject::fgets 以逐行加载读取的文件，而不是一次将整个文件读入内存。
确保您正在运行尽可能最新的 PHP 版本
确保 PHP 扩展是最新的
禁用不使用的 PHP 扩展
unset 已完成且不再需要在内存中的数据或大型对象。请注意，PHP 的垃圾收集器不一定会立即释放内存。相反，根据设计，它会在感觉所需的 CPU 周期存在或脚本即将耗尽内存之前执行此操作，无论先发生什么。
您可以使用 echo memory_get_usage() / 1024.0 . ' kb' . PHP_EOL; 之类的东西打印程序中给定位置的内存使用情况，以尝试分析不同部分使用的内存量。

【讨论】：