PHP-ML上内存不足

Question

我正在尝试用PHP实现一个情感分析。我有一套训练数据，大约有15000条。我有代码工作，但是，我必须将设置的数据减少到100个条目才能工作。当我试图运行完整的数据集时，我会得到以下错误：

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非常陌生，所以我不太确定如何推断出问题在哪里，或者是否有一种方法可以在没有大量内存的情况下修复这个问题。我最多能知道的是，这个错误发生在索引文件第22行的TokenCountVectorizer中。有人知道是什么原因导致了这个问题吗？

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

谢谢

Answer 1

此错误来自于将更多的PHP加载到内存中，而不是在一个进程中设置PHP来处理。还有其他原因，但这些原因并不常见。

在您的例子中，PHP实例似乎被配置为允许最多使用128 of的内存。在机器学习中，这不是很多，如果您使用大型数据集，您将非常肯定地达到这个限制。

若要更改允许PHP用于1GB的内存量，可以编辑php.ini文件并设置

memory_limit = 1024M

如果您无法访问您的php.ini文件，但仍然拥有更改设置的权限，则可以在运行时使用

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

或者，如果运行Apache，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允许使用的内存数量有很大的限制，而且通常是很低的。

其他你可以帮助的事情是

• 如果您从文件中加载数据，请查看fgets和SplFileObject::fgets，以便逐行加载读取的文件，而不是一次将完整的文件读入内存。
• 确保您正在运行一个尽可能最新的PHP版本
• 确保PHP扩展是最新的
• 禁用不使用的PHP扩展
• unset数据或已完成且不再需要内存的大型对象。请注意，PHP的垃圾收集器不一定会立即释放内存。相反，通过设计，当它感到所需的CPU周期存在或脚本即将耗尽内存之前，它就会这样做，不管首先发生什么。
• 您可以使用类似echo memory_get_usage() / 1024.0 . ' kb' . PHP_EOL;的东西在程序中给定的位置打印内存使用情况，以尝试并分析不同部分使用了多少内存。