piskvorky/gensim

Improving computational time in LDASeqModel

Open

#1,545 创建于 2017年8月22日

在 GitHub 查看
 (9 评论) (1 反应) (0 负责人)Python (4,349 fork)batch import
Hacktoberfestdifficulty mediumfeaturegood first issueperformance

仓库指标

Star
 (15,144 star)
PR 合并指标
 (30 天内没有已合并 PR)

描述

Hi,

I was training a LDASeqModel on ~40k documents through 20 years (20 time slices in my case) and after 2 days of computation, still didn't finish.

I realized that only LDAModel is used in this class. Shouldn't be better to use LDAMulticore since it can also handle the case of single core ?

Thanks

贡献者指南

研究方向
检查 gensim/models/ldaseqmodel.py 中的 LDASeqModel 类。确定 LDAModel 实例化位置及其使用方式。研究 LDAMulticore 类以了解其接口，以及它是否能在保持相同功能的同时替换 LDAModel。考虑性能基准和可能的参数差异。提出在可用时使用 LDAMulticore，必要时回退到 LDAModel 的更改。
技术栈
python
领域
machine learningai
议题类型
性能
难度面向新贡献者的预计实现难度，1 表示很小改动，5 表示专家级工作。
3
预计时间有经验贡献者完成调查、实现、测试并准备 pull request 的粗略时间范围。
半天
活动状态议题当前的可参与程度：新鲜、活跃、陈旧、阻塞或等待维护者输入。
较久未更新
清晰度议题是否清楚说明期望改动、验收标准和下一步。
清晰
前置要求
PythonGit
新手友好度1-100 的估计分数，表示该议题对首次贡献者的友好程度。
75