python - 内存有限的kmeans聚类

Question

我正在 App Engine 上开发应用程序，并使用 SciPy 的 kmeans2。

当集群运行时，我得到这个错误:

服务 1 个请求后超过 159.852 MB 的软专用内存限制

这是我正在做的，color_data 将是大约 500 万个 x、y、z 点:

def _cluster(color_data, k):
  """ Clusters colors and return top k 

      Arguments:
      ----------
        color_data
          TYPE: list
          DESC: The pixel rgb values to cluster
        k
          TYPE: int
          DESC: number of clusters to find in the colors

      Returns:
      --------
        sorted_colors
          TYPE: list
          DESC: A list of rgb centroids for each color cluster
  """

  # make rgbs into x,y,z points
  x,y,z = [],[],[]
  for color in color_data:
    x.append(color[0])
    y.append(color[1])
    z.append(color[2])

  # averaged_colors are points at center of color clusters
  # labels are cluster numbers for each point
  averaged_colors, labels = kmeans2(array(zip(x,y,z)), k, iter=10)

  # get count of nodes per cluster
  frequencies = {}
  for i in range(k):
    frequencies[i] = labels.tolist().count(i)

  # sort labels on frequency
  sorted_labels = sorted(frequencies.iteritems(), key=itemgetter(1))

  # sort colors on label they belong to
  sorted_colors = []
  for l in sorted_labels:
    sorted_colors.append(tuple(averaged_colors[l[0]].tolist()))

  return sorted_colors

如何在 128MB 的内存中执行此操作？

编辑: 在我的本地计算机上，运行我的应用程序显示我的事件监视器中使用了大约 500 MB 的内存

Answer 1

不要使用所有像素。

如果您只使用 10% 或更少的像素，K-Means 通常会返回几乎相同的结果。因为它计算均值，并且均值不再有太大变化，如果您添加更多信息，除非数据分布不同。

仅使用 10% 的像素应该会使您的应用程序使用更少的内存。