Блог

Я пытаюсь запустить систему рекомендаций на основе текста, чтобы найти категорию детали из файла, содержащего около 56 тыс. Деталей: Например: Медная трубка -> Провод, телевидение -> Электроника и т. Д

Однако для получения вывода рекомендательной системы при запуске в моей системе с 8 ГБ оперативной памяти требуется около 4 часов. Я попытался запустить тот же скрипт на оперативной памяти около 32 ГБ, но время вычислений не улучшилось, и оно по-прежнему занимает 4 часа. Обучающий набор для рекомендательной системы составляет около 11 тыс.

Как я могу заставить мою рекомендательную систему работать быстрее? Похоже, скрипт неэффективно использует память. Любая помощь будет принята с благодарностью.

ПРИМЕЧАНИЕ: приведенный пример приведен только для иллюстрации, а исходный набор данных намного сложнее.

 from sklearn.neighbors import NearestNeighbors

#Code for recommendation system
def recommendhts(x,model,train):
    distance,index=model.kneighbors(x.toarray(),n_neighbors=1)
    mi=distance.argmax()
    idx=index[mi][0]
    return(train.iloc[idx]['sHTS'],distance[0][0])

#Training the model of training set
train=pd.read_csv('train0207190144.csv')
vectorizer = CountVectorizer()
X = vectorizer.fit_transform(train['keywords'])
x=X.toarray()
df=pd.DataFrame(x,columns=vectorizer.get_feature_names())
model=NearestNeighbors(metric='correlation',n_neighbors=1)
model.fit(df)
vect=vectorizer.fit(train['keywords'])

#Fitting the Count vectoriser on keywords(product description to be queried)

x_new=vect.transform(product['keywords'])

for i in range(len(product)):
    key=x_new[i]
    output,probability=recommendhts(key,model,train)
  

Редактировать:
Я прилагаю снимок результата профилирования результатов профилирования кода, как предложено в комментариях. Я запустил его для выборки из 1000 строк, и затраченное время составило около 1085 секунд.

Сначала вам обязательно нужно профилировать свой код. Я бы рекомендовал использовать %prun волшебную команду в IPython / Jupyter для профилирования вашего скрипта.

Пара других вещей, которые нужно попробовать

1. Установите параметр ‘n_jobs’, чтобы обеспечить параллелизм при составлении прогнозов.

    # setting n_jobs=2 will use 2 cores; setting n_jobs=-1 will use all cores
   model=NearestNeighbors(metric='correlation',n_neighbors=1, n_jobs=2)
     

2. Мне непонятно, что необходима повторная установка vectorizer .

    vect=vectorizer.fit(train['keywords'])  # can be removed?
     

Наконец, вы должны иметь возможность векторизовать прогнозы и заменить for цикл, но для этого потребуется рефакторинг вашей системы рекомендаций, и я не могу помочь с этим без дополнительной информации.