3

我的问题是我有一个大模型，加载到内存很慢。为了在许多样本上测试它，我需要运行一些 C 程序来生成模型的输入特征，然后运行 ​​R 脚本来预测。每次加载模型都需要花费太多时间。

所以我想知道

1）如果有某种方法可以将模型（R中的变量）保存在内存中。

或者

2）我可以将R的分离过程作为专用服务器运行，那么R的所有预测过程都可以在同一台机器上访问服务器中的变量。

在所有预测期间，模型永远不会改变。它是一个存储在 .rdata 文件中的 randomForest 模型，该文件大约有 500MB。加载此模型很慢。

我知道我可以使用并行 R（snow、doPar 等）来并行执行预测，但是，这不是我想要的，因为它需要我更改我使用的数据流。

非常感谢。

4

1 回答 1

2

如果您每次都重新生成模型，您可以将模型保存为 RData 文件，然后在不同的机器上共享它。虽然从磁盘加载到内存可能仍然需要一些时间，但它会节省重新生成的时间。

   save(myModel, file="path/to/file.Rda")

   # then
   load(file="path/to/file.Rda")

根据@VictorK 的建议进行编辑： 正如 Victor 指出的那样，由于您只保存一个对象，saveRDS因此可能是更好的选择。

  saveRDS(myModel, file="path/to/file.Rds")

  myModel <- readRDS(file="path/to/file.Rds")
于 2013-03-03T19:12:54.500 回答