PHP-ML 内存不足

Question

我正在尝试使用 PHP-ML 实现情感分析。 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);

和 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 很陌生，所以我不确定如何推断问题所在，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。 有没有人知道可能导致此问题的原因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

Answer 1

此错误来自加载到内存中的内容，而不是 PHP 设置为在一个进程中处理的内容。 还有其他原因，但这些不太常见。

在您的情况下，您的 PHP 实例似乎配置为允许最多使用128MB的内存。 在机器学习中，这不是很多，如果您使用大型数据集，您肯定会达到该限制。

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

memory_limit = 1024M

如果您无权访问 php.ini 文件但仍有权更改设置，则可以在运行时使用

<?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可以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

• 如果从文件中加载数据，请查看fgets和SplFileObject::fgets以SplFileObject::fgets加载读取文件，而不是一次将完整文件读入内存。
• 确保您运行的是尽可能最新的 PHP 版本
• 确保 PHP 扩展是最新的
• 禁用您不使用的 PHP 扩展
• unset数据或您已完成且不再需要在内存中的大对象。 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。
• 您可以使用类似echo memory_get_usage() / 1024.0 . ' kb' . PHP_EOL; echo memory_get_usage() / 1024.0 . ' kb' . PHP_EOL; 在程序中的给定位置打印内存使用情况，以尝试分析不同部分使用的内存量。