Python Numpy：明显的内存错误

使用Python/Numpy，我试图导入一个文件；但是，脚本返回一个我认为是内存错误的错误：

In [1]: import numpy as np

In [2]: npzfile = np.load('cuda400x400x2000.npz')

In [3]: U = npzfile['U']
---------------------------------------------------------------------------
SystemError                               Traceback (most recent call last)
<ipython-input-3-0539104595dc> in <module>()
----> 1 U = npzfile['U']

/usr/lib/pymodules/python2.7/numpy/lib/npyio.pyc in __getitem__(self, key)
    232             if bytes.startswith(format.MAGIC_PREFIX):
    233                 value = BytesIO(bytes)
--> 234                 return format.read_array(value)
    235             else:
    236                 return bytes

/usr/lib/pymodules/python2.7/numpy/lib/format.pyc in read_array(fp)
    456             # way.
    457             # XXX: we can probably chunk this to avoid the memory hit.
--> 458             data = fp.read(int(count * dtype.itemsize))
    459             array = numpy.fromstring(data, dtype=dtype, count=count)
    460 

SystemError: error return without exception set

这是内存问题吗？除了购买更多的RAM，它还能以任何方式修复吗？该框是Linux Mint DE，带有Python 2.7.3rc2和Numpy 1.6.2

干杯

---

\T

您使用的是32位python二进制文件吗？（例如，

导入平台；platform.architecture（）

返回什么？@JoeKington，返回（'64位，'ELF'）Hmm.）。。。嗯，这很奇怪。不过现在我想了想，如果

numpy.load

在引擎盖下使用

numpy.fromstring

，您将需要两倍的可用内存量。如果使用了

numpy.frombuffer

，则只需要原始字符串使用的内存（它将使用与原始字符串相同的内存缓冲区）。可能值得作为拉取请求进行研究。同时，您可以使用本地版本的

numpy.load

，它使用

frombuffer

代替

fromstring

。奇怪的是，它在Python 3中工作！我认为format.py第457行的评论很好地总结了numpy实现的问题！

bogeholm@bananabot ~/Desktop $ free -m
             total       used       free     shared    buffers     cached
Mem:          7956       3375       4581          0         35       1511
-/+ buffers/cache:       1827       6128
Swap:        16383          0      16383