python - 使用pymc在Python中进行内存溢出

Question

即使我使用 pickle 后端，以下明显简单的 MCMC Python 代码也会导致大量内存使用(>15GB)。每当我在 pymc 中使用观察到的变量数组时，就会发生这种情况。知道为什么会这样吗？

import pymc as pymc
import numpy as np

N = 17
numC = 5

A = np.zeros([N,N])
A[0:numC, :] = 1
A[:, 0:numC] = 1

C = pymc.Beta('C', alpha=0.5, beta=0.5, size=N)

@pymc.deterministic(dtype=float)
def q(_C=C):
    Q = np.zeros([N,N])
    for i in range(0,N-1):
        for j in range(i+1, N):
            Q[i, j] = Q[j, i] = C[i] + C[j] - C[i]*C[j]

    return Q

obs = []
for i in range(0,N-1):
    for j in range(i+1, N):
        o = pymc.Bernoulli('A%d%d'%(i,j), p=q[i,j], value=A[i,j], observed=True)
        obs.append(o)

model = pymc.Model([C, q] + obs)

mcmc = pymc.MCMC(model, db='pickle', dbname='abc.pickle')
mcmc.sample(10000, burn=5000, thin=5)
mcmc.db.close()

Answer 1

1. 根据个人经验，pickle 在内存中对于大型对象可能会非常胖，而且正如我所见，它通常会在不释放内存的情况下膨胀和增长。
2. 可以尝试使用memory profiler为了检查内存增长发生的位置，它允许以某种方式修饰函数，以查看执行期间内存增长的漂亮绘图图。