首页 / PYTHON / Python Numpy.ndarray.shape限制

Python Numpy.ndarray.shape限制

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了Python Numpy.ndarray.shape限制，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含1299字，纯文字阅读大概需要2分钟。

内容图文

我想用Python在Numpy中创建一个矩阵,代码如下：

import numpy

result=numpy.zeros((20,20,20,30,30,30))

numpy.save('result',result)

我收到以下错误：

Traceback (most recent call last):  
File "numpy_memoryerror.py",
line 5, in <module>
    result=numpy.zeros((20,20,20,30,30,30))
MemoryError

如果我使用这样的较小尺寸：

result=numpy.ones((10,10,10,20,20,20))

然后代码工作.

有人能告诉我形状元组的限制吗？

解决方法:

它不是形状元组的基本限制,它是你的系统上没有足够的内存(RAM),因此是MemoryError.

20 * 20 * 20 * 30 * 30 * 30再次是2.16亿64位(8字节)浮点数或略高于1.6 GB的RAM.那么在此时运行脚本时你有1.6 GB的RAM吗？ (不要忘记python,操作系统,其他正在运行的程序等使用的所有RAM).如果您使用的是linux / unix,则可以通过在命令提示符下键入free -m来查看可用内存量.在Windows中,您可以通过转到任务管理器查看可用内存.此外,一些操作系统限制单个进程(如python)可以分配的内存量;例如,32位窗口每个进程仅提供2 GB的地址空间.

将其与20 * 20 * 20 * 10 * 10 * 10进行比较,仅为~0.06 GB(或仅减少27倍的内存).

如果你不需要8字节浮点数,你可以这样做

numpy.zeros(20,20,20,30,30,30, dtype='float32')

这将通过使用单精度(32位)浮点数减半您的内存占用.默认情况下,numpy使用dtype =’float64′.

粗略地说,32位浮点数具有8位精度,64位浮点数具有16位精度.意味着1 1e-8对于32位浮点数只显示1,而1 1e-16对于64位浮点数显示为1,但1 1e-15显示为1.000000000000001与64位浮点数,但不是32位浮点数.

内容总结

以上是互联网集市为您收集整理的Python Numpy.ndarray.shape限制全部内容，希望文章能够帮你解决Python Numpy.ndarray.shape限制所遇到的程序开发问题。 如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/813900.html

来源：【匿名】