是否为numpy数组定义了最大大小？

如果我试图执行：

np.empty(shape= (108698,200,1000))

在我的jupyter笔记本中，它抛出了一个错误

MemoryError                               Traceback (most recent call last)
<ipython-input-35-0aedb09803e9> in <module>()
      1 import numpy as np
      2 #np.empty(shape=(108698-0,200,1000))
----> 3 np.empty(shape= (108698,200,1000))
      4 #np.empty(shape=(end-start,n_words,embedding_size))

它执行时没有任何错误

那么，有什么方法可以运行呢

np.empty(shape= (108698,200,1000)) 

---

不增加我的机器的RAM吗？

不。虽然这取决于你正在运行什么，但如果你已经达到了最大分配内存，你就不能创建更多。例如，如果您运行的是64位numpy，每个条目8个字节，那么总共将是174GB，这将占用太多的空间。如果您知道数据条目，并且愿意使用numpy之外的内容，那么您可以研究稀疏数组。稀疏数组仅存储可能节省空间的非零元素及其位置索引。

否。虽然这取决于您运行的内容，但如果您已达到最大分配内存，则无法创建更多。例如，如果您运行的是64位numpy，每个条目8个字节，那么总共将是174GB，这将占用太多的空间。如果您知道数据条目，并且愿意使用numpy之外的内容，那么您可以研究稀疏数组。稀疏数组仅存储可能节省空间的非零元素及其位置索引。

没有为

形状定义上限，但数组的整体大小限制为
numpy.intp
，通常为
int32
或
int64

您可以使用SciPi中的稀疏矩阵，也可以将大型
（1086982001000）
数组的
dtype
限制为
int8
，这样应该可以工作。
没有为
形状定义上限，但数组的整个大小限制为
numpy.intp
，通常是
int32
或
int64

您可以使用SciPi中的稀疏矩阵，也可以将大型
（1086982001000）
数组的
dtype
限制为
int8
，这样应该可以工作。
您可以使用内存映射文件来处理不适合内存的数组。Numpy具有用于此的设施：

例如：

但是，在32位Python上，文件仍然限制为2GB。
您可以使用内存映射文件处理不适合内存的数组。Numpy具有用于此的设施：

例如：

但是，在32位Python上，文件仍然限制在2GB。
没有上限。我们可以（粗略地）估计ndarray的内存量：

>>> arr = np.empty(shape= (100,10,1000),dtype='unit8')
>>> hr_size(arr.nbytes)
'1M'

对于包含100万个元素的ndarray（“uint8”的每个元素都需要一个字节），我们需要“976.6K”的内存

对于具有shape=（843232001000）和dtype='uint8'的ndarray

>>> hr_size(84323*200*1000)
'15.7G'

>>> hr_size(108698*200*1000)
'20.2G'

我们需要超过15克

最后，对于具有shape=（1086982001000）和dtype='uint8'的ndarray

>>> hr_size(84323*200*1000)
'15.7G'

>>> hr_size(108698*200*1000)
'20.2G'

我们需要超过20克

如果数据类型为“int64”，则估计的内存量应增加八倍
 嗯，没有上限。我们可以（粗略地）估计ndarray的内存量：

>>> arr = np.empty(shape= (100,10,1000),dtype='unit8')
>>> hr_size(arr.nbytes)
'1M'

对于包含100万个元素的ndarray（“uint8”的每个元素都需要一个字节），我们需要“976.6K”的内存

对于具有shape=（843232001000）和dtype='uint8'的ndarray

>>> hr_size(84323*200*1000)
'15.7G'

>>> hr_size(108698*200*1000)
'20.2G'

我们需要超过15克

最后，对于具有shape=（1086982001000）和dtype='uint8'的ndarray

>>> hr_size(84323*200*1000)
'15.7G'

>>> hr_size(108698*200*1000)
'20.2G'

我们需要超过20克

如果数据类型为“int64”，则估计的内存量应增加八倍