Python 在numpy中创建内存错误的大数组 内存错误的问题有解决办法吗？

内存是8GB，我想完成广播操作，但它确实有巨大的成本

鉴于条件：

interdata = data[:, None] - data[None]

数据的形状是

[1000,32,32]

，我想要

interdata

的形状是

[1000,1000,32,32]

，这对我的内存来说似乎太大了

有没有办法解决这个难题

有没有办法解决这个难题

当然可以，但要付出代价

numpy

可以使用

.memmap（）

-ed资源，其中磁盘容量是下一个容量“上限”

然而，这将使您进入SSD设备托管的

.memmap（）

-存储的

[us]

单位，或旋转驱动器的

~1E+1[ms]

单位，因此请记住这一点

---

如果这是不可接受的，那么现在有相当昂贵的COTS平台提供多TB容量或RAM，其中

[ns]

-规则。

您为什么需要它？这真的是最终目标吗？如果我得到interdata，那么我将使用它作为下几个操作的操作数。因此，我希望预先计算，以减少总时间成本。很可能您寻求的解决方案不是这个问题的直接解决方案。也许，如果你更详细地解释你想要实现什么，以及你的方法是什么，那么我们可能会找到解决方案，这些解决方案将一起绕过你最初的问题。例如，可能有一种解决方案涉及重复使用上一个操作的结果，这样您就不必一次性预先计算

interdata

。很难描述整个问题。我正试图重复一篇论文，这需要几个步骤。每个部分都是独立的。只有有了先前的结果，我们才能继续下一步。我会重新考虑整个过程。谢谢你抽出时间！我不太清楚“.memmap”的操作。你介意说更多的细节吗？如前所述，[空间]域问题总是[时间]域成本。对于{poor | better | best}解决方案来说，许多额外的细节确实很重要--就地操作、矢量化/广播方向排序/文件IO序列布局等。可以从以下位置开始了解细节：[1]>>>[2]>>