与本地执行时间相比,Azure 机器学习上的 R 代码速度较慢
R code on Azure Machine Learning is slow compared to local execution time
直截了当:
为什么我的 R 代码在我的本地 CPU(不到一分钟)上运行良好,但在 Azure 机器学习上却慢了数十倍,使用一个 R 脚本块(超过 18 分钟)?
我假设这与分配给实验的资源有关,但我怎么能确定呢?我能否从隐藏在 Azure-ML Studio 机器中的 somwehere 获取有关分配给 R 脚本块的资源的详细信息?
谢谢你,弗洛
稍后编辑:
正如经常发生的那样,我终于找到了一些信息,但仍然没有解决我的问题。根据https://msdn.microsoft.com/library/en-us/Dn905952.aspx#Technical%20Notes"User-specified R code is run by a 64-bit R interpreter that runs in Azure using an A8 virtual machine with 56 GB of RAM."
这比我的本地机器要多,R 代码在 Azure-ML studio 上仍然慢得多。
考虑使用 rbenchmark 或其他基准测试工具来了解代码的运行时间和复杂性。通常for循环往往很慢。
很可能服务器可用资源较少(ram,cpu)或者您必须在队列中等待才能得到服务。没有更多代码,很难就此问题进一步发表评论。
直截了当: 为什么我的 R 代码在我的本地 CPU(不到一分钟)上运行良好,但在 Azure 机器学习上却慢了数十倍,使用一个 R 脚本块(超过 18 分钟)?
我假设这与分配给实验的资源有关,但我怎么能确定呢?我能否从隐藏在 Azure-ML Studio 机器中的 somwehere 获取有关分配给 R 脚本块的资源的详细信息?
谢谢你,弗洛
稍后编辑: 正如经常发生的那样,我终于找到了一些信息,但仍然没有解决我的问题。根据https://msdn.microsoft.com/library/en-us/Dn905952.aspx#Technical%20Notes"User-specified R code is run by a 64-bit R interpreter that runs in Azure using an A8 virtual machine with 56 GB of RAM."
这比我的本地机器要多,R 代码在 Azure-ML studio 上仍然慢得多。
考虑使用 rbenchmark 或其他基准测试工具来了解代码的运行时间和复杂性。通常for循环往往很慢。
很可能服务器可用资源较少(ram,cpu)或者您必须在队列中等待才能得到服务。没有更多代码,很难就此问题进一步发表评论。