Scikits-Lernen RandomForrest trainiert auf 64-bit-python-Gewohnheit, offen auf 32bit python

Trainiere ich eine RandomForestRegressor-Modell auf 64-bit-python.
Ich Gurke das Objekt.
Wenn Sie versuchen, um unpickle das Objekt auf 32bit python erhalte ich die folgende Fehlermeldung:

'ValueError: Puffer, "dtype " mismatch", erwartet 'SIZE_t' aber hab 'lange, lange"

Ich habe wirklich keine Ahnung wie man dieses Problem beheben, so dass jede Hilfe wäre enorm geschätzt.

Edit: genauer

Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
  File "c:\python27\lib\pickle.py", line 1378, in load
    return Unpickler(file).load()
  File "c:\python27\lib\pickle.py", line 858, in load
    dispatch[key](self)
  File "c:\python27\lib\pickle.py", line 1133, in load_reduce
    value = func(*args)
  File "_tree.pyx", line 1282, in sklearn.tree._tree.Tree.__cinit__ (sklearn\tre
e\_tree.c:10389)
  • Ich bin mir nicht sicher, ob dies sollte berücksichtigt werden, ein Fehler der cython-Baum-Klasse, nicht tolerant genug zu unpickling Zeit, eine schlechte Wahl für einen Puffer dtype oder eine grundlegende Beschränkung von Beizen sklearn Modelle.
  • Hat es irgendwelche Fortschritte auf diesem? Ich bin der Suche nach dem gleichen problem im moment.
  • Von Nov/2017 ich habe genau das gleiche Problem. sklearn.__version__ : '0.19.1'
InformationsquelleAutor Will Beauchamp | 2014-01-09
  1. 10

    Dies tritt auf, weil random forest code verwendet verschiedene Typen von Indizes, die auf 32-bit-und 64-bit-Maschinen. Das kann leider nur behoben werden, indem die überholung der random forests-code. Seit mehreren scikit-learn-Entwickler sind arbeiten sowieso, ich habe es auf der todo-Liste.

    Für jetzt, die Ausbildung und Prüfung Maschinen brauchen, um die gleiche Größe des Zeigers.

    • Danke für Eure Hilfe.
    • Hätten Sie etwas dagegen, larsmans, eine Frage über den aktuellen Status der word-Größe unabhängig .dump() / .load() - Methoden in scikit-learn? Trotzdem haben Sie schon gehört / getroffen in der Zwischenzeit eine workaround ( sei es per marshall oder mit anderen Mitteln ) ? Wäre sehr froh, wenn Sie finden es nützlich für die gemeinsame Nutzung von wissen, larsmans. Danke.
    • Btw, die pull_2732 (nach oben) erwähnt die Debatte über memalloc Probleme mit "großen Bäumen". Ja, diese sind wichtig. Sehr wichtig zu halten, low-profile - .load()- s sobald Bewegung pickle.dump()-ed-Bestien aus Ihren mehr als 3,2 GB große Festplatte-Darstellungen zurück in den RAM. Hoffnung zu hören, frische news aus dem team (hab gesehen, die nicht viel Aktivität auf S/O, da 2014-01). Bleiben Sie dran. Sie machen einen tollen job!
    • hat zu diesem Problem eine Lösung haben Sie jetzt? vor den gleichen Schwierigkeiten derzeit
    • gibt es irgendeine Lösung dafür?
    InformationsquelleAutor Fred Foo
Schreibe einen Kommentar