Arrays 分块是否允许对核心外阵列进行迭代？

提到使用

concatenate=False

：

在压缩的情况下，传递的函数应该期望保存该索引的任何数组上的块的iterable

那么，我的问题是，是否存在一个基本限制，即禁止这种“块的iterable”一次加载一个块，而不是将它们全部保存在

列表中（即内存中）。这可能吗？现在看来，
分块
不是这样工作的，但我想知道它是否可以：

将dask.array导入为da
进口经营者
#创建阵列并写入磁盘
x=da.random.random（大小=（10,6），块=（5,3））
da.to_zarr（x，'/tmp/x.zarr'，overwrite=True）
x=da.from_zarr（'/tmp/x.zarr'））
y=x.T
def fn（x，y）：
打印（类型（x），类型（x[0]））
x=np。连接（x，轴=1）
y=np。连接（y，轴=0）
返回np.matmul（x，y）
da.blockwise（fn，'ik'，x，'ij'，y，'jk'，concatenate=False，dtype='float'）.compute（调度器='single-threaded'）
#  

这些列表有可能成为生成器吗？
这在Dask的早期是正确的，但我们最终转向了具体的列表。今天，任务只有在其所有依赖项任务都在内存中可用时才会启动

考虑到你问题的背景，我猜你在使用tensordot风格的应用程序时遇到了内存问题。tensordot风格应用程序的内存使用在很大程度上取决于块结构。我鼓励大家关注这个问题，尤其是第一篇文章中提到的演讲：