我想在 python 中创建一个 numpy 数组列表。数组大部分为零,很少有标志设置为 1。
运行以下代码时,我遇到了内存问题。该代码需要〜我期望它使用的内存的两倍。
Python 循环填充列表:
vectorized_data = []
os.system("free -m")
for dat in data: #data has length 200000
one_hot_vector = np.zeros(6000)
for d in dat:
one_hot_vector[d] = 1
vectorized_data.append(one_hot_vector)
os.system("free -m") ##memory usage goes up by ~7.5GB
我希望此代码使用的内存量(向量维度:6000,#samples:200000,numpy 浮点字节:4):
(6000 * 200000 * 4) /(2**30.0) ~= 4.47 GB
实际使用的内存量:
~7.5 GB
有没有更节省内存的方法来实现这一点?
最佳答案
可以使用生成器和行/列 ID,例如:
def yield_row(data):
for r_id, dat in enumerate(data):
tmp = np.zeros(6000)
for d in dat:
tmp[d] = 1
yield r_id, tmp
for r_id, tmp in yield_row(data):
if is_hot_vector(tmp):
do_stuff()
这种方法的缺点是只能访问行/列 ID 和当前 tmp 行,但它减少了 data
加一行所需的内存量。
另一种方法可能是仅将行 ID 添加到列表而不是整个行,只需索引该行,并在需要时添加翻译/转换。
关于python - 为什么这个 python 列表需要这么多内存?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/45807118/