Каков объем памяти sklearn.metrics.pairwise.cosine_simility? - PullRequest
Новая
       21

Каков объем памяти sklearn.metrics.pairwise.cosine_simility?

1 голос
/ 07 мая 2019

Я использую cosine_similarity на матрицах и задавался вопросом о необходимой памяти. Итак, я создал небольшой фрагмент: 

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity
n = 10000
mat = np.random.random((n, n))
sim = cosine_similarity(mat)

С ростом n, конечно, матрица становится намного больше. Я ожидаю, что размер матрицы будет n**2 * 4 байтов, что означает:

  • n = 10000: 400 МБ
  • n = 15 000: 900 МБ
  • n = 20000: 1,6 ГБ

Я наблюдаю ПУТЬ больше использования памяти. Моя система имеет 16 ГБ, и она падает при n = 20000. Почему это так?

Что я пробовал

Я видел Как мне профилировать использование памяти в Python? . Поэтому я установил memory-profiler и выполнил 

import numpy as np
from sklearn.metrics.pairwise import cosine_similarity

@profile
def cos(n):
    mat = np.random.random((n, n))
    sim = cosine_similarity(mat)
    return sim

sim = cos(n=10000)

с 

python3 -m memory_profiler memory_usage_cosine_similarity.py

и получил 

Line #    Mem usage    Increment   Line Contents
================================================
     4   62.301 MiB   62.301 MiB   @profile
     5                             def cos(n):
     6  825.367 MiB  763.066 MiB       mat = np.random.random((n, n))
     7 1611.922 MiB  786.555 MiB       sim = cosine_similarity(mat)
     8 1611.922 MiB    0.000 MiB       return sim

но я запутался здесь в большинстве вещей:

  • Почему @profile на 62,301 МБ (такой большой)?
  • Почему mat 825 МБ вместо 400 МБ?
  • Почему sim отличается от mat?
  • Почему htop показывает увеличение с 3,1 до 5,5 ГБ (2,4 ГБ), но профилировщик говорит, что ему нужно всего 1,6 ГБ?

Игнорирование этого, вот что происходит, когда я увеличиваю n: 

n                cosine_similarity
1000              11.684 MiB
2000 (x2)         37.547 MiB (x 3.2)
4000 (x4)        134.027 MiB (x11.5)
8000 (x8)        508.316 MiB (x43.5)

Итак, cos cos__sincityity показывает примерно O (n ** 1.8) поведение.

Если я не использую n x n матриц, но вместо этого n x 100, я получаю похожие числа: 

n                cosine_similarity
1000               9.512 MiB MiB
2000 (x2)         33.543 MiB (x 3.5)
4000 (x4)        127.152 MiB (x13.4)
8000 (x8)        496.234 MiB (x52.2)
...