python - Windows 10 和 Linux Ubuntu 16.04 在运行时间上的巨大差异，用于 ExtraTreesClassifier 训练和预测 (Python)

Question

我ExtraTreesClassifier用于训练和预测。我在 Windows 10 和 Linux Ubuntu 16.04 上的相同数据集上执行相同的源代码，令人惊讶的是，我在执行时间上得到了巨大的差异。

结果 ：

+---------------+------------+----------+---------- +----------+
| Mo 中的数据集 | 赢火车 | 赢得预测 | Ub 火车 | Ub Pred |
+---------------+------------+----------+---------- +----------+
| 430 | 104 | 11 | 2420 | 2019 |
+---------------+------------+----------+---------- +----------+
| 530 | 122 | 14 | 2948 | 第2162章
+---------------+------------+----------+---------- +----------+
| 699 | 140 | 18 | 3672 | 2500 |
+---------------+------------+----------+---------- +----------+

注意：csv文件的加载时间和dataFrame的创建可以忽略不计。

源代码：

import time
import pandas as pd
import datatable as dt
import numpy as np
from sklearn.ensemble import ExtraTreesClassifier


def __init__(self):
    self.ExTrCl = ExtraTreesClassifier()

def train_with_dt(self, csv_file_path):
    start_0_time = time.time()
    data_arn = dt.fread(csv_file_path)
    end_time = time.time()
    print(" time Read_csv file : ",end_time-start_0_time," s")
    
    data_classe = np.ravel(data_arn[:,"familyId"])
    del data_arn[:,"familyId"]
    
    start_time_train = time.time()
    self.ExTrCl.fit(data_arn, data_classe)
    end_time = time.time()
    
    print(" train only time : ",end_time-start_time_train, " s")
    
    
def test_groupe_score_dt(self, test_matrix, list_classes):
    start_0_time = time.time()
    dt_dftest = dt.Frame(np.array(test_matrix),names=self.list_motifs)
    end_time = time.time()
    
    print(" time creatind Fram dt = ",end_time-start_0_time)
    
    result = self.ExTrCl.predict(dt_dftest)
    end_time = time.time()
    
    print(" Time pred = ",end_time-start_0_time," s")
    

使用的操作系统信息和库版本如下表所示。我更新了所有使用过的库。

+----------------------------------------+--------- ----------------------------------+
| 视窗 10 | Ubuntu 16.04 |
| Intel i7-8550U CPU @ 1.80Ghz 1.99Ghz | Intel(R) Xeon(R) CPU E5-2660 v4 @ 2.00GHz |
| cpu 核心数：4 | cpu 核心数：1 |
| 64 位操作系统 | 64 位操作系统 |
| RAM 16 转 | 内存 1007
+----------------------------------------+--------- ----------------------------------+
| Python 3.7.7 | Python 3.5.2 |
| ------------------ | ------------- |
| 生物蟒==1.77 | 生物蟒==1.73 |
| 数据表==0.11.0a0+pr2536.12 | 数据表==0.10.1 |
| numpy==1.19.0 | numpy==1.18.5 |
| 熊猫==1.0.5 | 熊猫==0.24.2 |
| pyahocorasick==1.4.0 | pyahocorasick==1.4.0 |
| scikit-learn==0.23.1 | scikit-learn==0.22.2.post1 |
| scipy==1.5.0 | scipy==1.4.1 |
| 后缀树==0.3.0 | 后缀树==0.3.0 |
+----------------------------------------+--------- ----------------------------------+

使用 cprofile ：

         在 6495.451 秒内进行了 1619734 次函数调用（1589052 次原始调用）

   排序：内部时间

   ncalls tottime percall cumtime percall filename:lineno(function)
     4828 6248.349 1.294 6248.349 1.294 {内置方法numpy.core.multiarray.array}
      100 130.458 1.305 130.458 1.305 {“sklearn.tree._tree.DepthFirstTreeBuilder”对象的“构建”方法}
        1 48.288 48.288 48.288 48.288 {内置方法datatable.lib._datatable.gread}
        2 21.834 10.917 25.749 12.874 Main.py:40(get_matrix_nbOcrrs_listStr_AhoCorasick)
        2 20.747 10.374 2570.626 1285.313 模型.py:233(test_groupe_score_dt)
     4365 6.476 0.001 6.476 0.001 {方法'减少''numpy.ufunc'对象}
        1 5.851 5.851 6492.121 6492.121 Main.py:309（主）
     6710 3.705 0.001 3.705 0.001 {“列表”对象的“复制”方法}
      400 2.548 0.006 2.548 0.006 {“sklearn.tree._tree.Tree”对象的“预测”方法}
        1 2.288 2.288 6495.453 6495.453 Main.py:1()
        1 1.334 1.334 3889.596 3889.596 模型.py:189(train_with_dt)
      400 0.827 0.002 3.628 0.009 _classes.py:880(predict_proba)
        4 0.522 0.131 4936.793 1234.198 _forest.py:591（预测）
      400 0.354 0.001 3.982 0.010 _forest.py:442(_accumulate_prediction)
   376662 0.150 0.000 0.150 0.000 {'ahocorasick.Automaton' 对象的方法'add_word'}
      803 0.120 0.000 0.120 0.000 {内置方法 marshal.loads}
2272/2260 0.070 0.000 0.144 0.000 {内置方法 builtins.__build_class__}
   1081/1 0.069 0.000 6495.453 6495.453 {内置方法builtins.exec}
  143/119 0.064 0.000 0.116 0.001 {内置方法_imp.create_dynamic}
        2 0.046 0.023 0.046 0.023 {'ahocorasick.Automaton' 对象的方法'make_automaton'}

...ETC

谢谢您的帮助。

标签： pythonnumpytimescikit-learn

Answer 1

我发现导致 Windows 和 Linux 之间执行时间存在巨大差异的问题。
当我对 python 包进行更新时，系统说Requirement already compatible...，所以我认为包已经更新。在@0x5453 的评论之后，我尝试再次更新包，但它不起作用，我在（Python3.4：升级熊猫不起作用）中找到了一个处理更新问题的问题。
解决方案：我在 python 3.5 旁边安装了 python 3.8，并创建了一个虚拟环境，在那里我安装了所需的最新版本的软件包。它大大提高了执行时间。

+---------------+------------+----------+---------- --------+----------------+-
| Mo 中的数据集 | 赢火车 | 赢得预测 | Ub 火车 (Py3.5) | Ub Pred (3.5) |
+---------------+------------+----------+---------- --------+----------------+-
| 430 | 104 | 11 | 2420 (赢 x23) | 2019 (赢 x153)|
+---------------+------------+----------+---------- --------+----------------+-
| 530 | 122 | 14 | 2948 (赢 x24) | 2162（赢x154）|
+---------------+------------+----------+---------- --------+----------------+-
| 699 | 140 | 18 | 3672 (赢 x26) | 2500（赢 x204）|
+---------------+------------+----------+---------- --------+----------------+-

-+------------------+-----------------+
 | Ub 火车 (Py3.8) | Ub Pred (Py3.8) |
-+------------------+-----------------+
 | 353 (赢 x3) | 270 (赢 x24) |
-+------------------+-----------------+
 | 771（赢 x6）| 646 (赢 x46) |
-+------------------+-----------------+
 | 901 (赢 x6) | 430 (赢 x23) |
-+------------------+-----------------+

现在，windows 和 Linux Python 3.8 之间的剩余差异可以用所用机器的差异来解释。