我正在Python中运行恶意软件分析实验，我需要创建一个大对象（我认为是512 MB）。在本地测试（64 位系统）时，没有问题，但是当我尝试在远程 32 位系统上运行它时（因此该进程的堆栈最大为 4 GB），我得到一个 MemoryError（堆栈跟踪没有提供太多信息）。最大的分配是：
from sklearn.grid_search import GridSearchCV
...
model = GridSearchCV(svm.LinearSVC(), {'C':numpy.logspace(-3,3,7)})
model.fit(train_vectors, labels)
我向系统管理员询问了系统，他告诉我可能是以前的分配使堆碎片化，因此不再可能进行大分配。
我试图在导致大分配的调用之前运行 gc.collect（），但问题仍然存在。
我认为没有办法缩小大额拨款。
关于如何对堆进行碎片整理的任何建议？
编辑：我设法使训练向量小得多。现在我需要看看恶意软件检测技术是否仍然有效。如果是这样，我的问题应该得到解决。原因是向量是 numpy 数组，仅使用 tolist（） 函数使它们小得多。
编辑2：仅使用（浮动）列表是不够的。因为无论如何这些值都是整数，所以我将浮点数转换为整数，使向量变小一点。这对内存使用量产生了很大的影响。我使用 cPickle 保存矢量并使用相同的模块检索它们。我猜该模块某处有一个错误，导致加载浮点时出现内存，而整数不存在。
TL;DR：我没有找到对堆进行碎片整理的方法，但能够使用内存分析器（我最喜欢的）和堆积来定位问题。我通过缩小向量并将数据类型更改为整数（而不是浮点数）来解决这个问题。我怀疑我用来存储/加载矢量的 cPickle 模块在使用浮点数时内存泄漏，这就是我内存不足的原因。
您应该使用内存探查器。
推荐使用哪种 Python 内存分析器？
：堆
memory_profiler
PySizer
道瑟
甚至是对象图库