我有一个问题，我需要将一个非常大的二维数组(磁盘上的文件)与一个适合内存的较小数组进行卷积。 scipy.signal.fftconvolve当数组适合内存时很好，但当它们不适合时无济于事。除了循环遍历每个数组中的所有点来手动计算卷积之外，还有其他合理的方法吗？我不擅长数学，但我想知道 fftconvolve可以分成几部分并重新组合起来有一点重叠吗？还有什么？
最佳答案
我可以向您推荐两种不同的方法(虽然我不会冒险提供一些示例代码，但希望您不会介意弄清楚):
1) 使用 numpy.memmap ; “内存映射文件用于访问磁盘上大文件的小片段，而无需将整个文件读入内存。(...) memmap 对象可用于接受 ndarray 的任何地方。”
2) 将大数组拆分为瓦片，与 mode='full' 执行卷积，并叠加结果。对于每个图块，您将在图块周围获得一个“边界”，其宽度与卷积核的宽度相同。
可以将这两种方法结合起来(例如，从 memapped 文件中读取图块，并将结果叠加在另一个 memapped 文件中，即结果)。
关于scipy - 如何在大型数组上进行内存高效的 2D 卷积，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/26409732/