AS FLOAT64 占用更多内存，这是标记化矩阵的默认数据类型，我希望它是 INT8 类型，从而节省空间。
这就是我所说的方法，
texts_to_matrix(texts):
Return: numpy array of shape (len(texts), num_words).
Arguments:
texts: list of texts to vectorize.
mode: one of "binary", "count", "tfidf", "freq" (default: "binary").
最佳答案
看源码，创建了结果矩阵here使用不带 dtype 关键字参数的 np.zeros() 会导致 dtype 被设置为 function definition 中设置的默认值这是 float 。我认为选择这种数据类型是为了支持所有形式的转换，例如 tfidf ，这会导致非整数输出。
所以我认为你必须选择:
<强>1。更改源代码
您可以将关键字参数添加到 texts_to_matrix 的定义中，例如 dtype 并更改 the line创建矩阵的位置
x = np.zeros((len(sequences), num_words), dtype=dtype)
2.使用其他工具进行预处理: 您可以使用其他工具预处理文本，然后将其输入 keras 网络。例如，您可以使用 scikit learn 的 CountVectorizer像:
from sklearn.feature_extraction.text import CountVectorizer
cv = CountVectorizer(dtype=np.int8, ...)
matrix = cv.fit_transform(texts).toarray()
关于python - (为了防止内存错误)如何使用 Tokenize 类在 Keras 中将单词列表热编码为 INTEGER 8 矩阵，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/49263269/