Python转换为数组时出现内存错误

Question

代码如下:

from sklearn.datasets import load_svmlight_files
import numpy as np
perm1 =np.random.permutation(25000)
perm2 = np.random.permutation(25000)
X_tr, y_tr, X_te, y_te = load_svmlight_files(("dir/file.feat", "dir/file.feat"))
#randomly shuffle data
X_train = X_tr[perm1,:].toarray()[:,0:2000]
y_train = y_tr[perm1]>5 #turn into binary problem

在此之前代码运行良好，但是当我尝试将另一个对象转换为数组时，我的程序返回内存错误。

代码:

X_test = X_te[perm2,:].toarray()[:,0:2000]

错误:

---------------------------------------------------------------------------
MemoryError                               Traceback (most recent call last)
<ipython-input-7-31f5e4f6b00c> in <module>()
----> 1 X_test = X_test.toarray()
C:UsersAsqAppDataLocalEnthoughtCanopyUserlibsite-packagesscipysparsecompressed.pyc in toarray(self, order, out)
    788     def toarray(self, order=None, out=None):
    789         """See the docstring for `spmatrix.toarray`."""
--> 790         return self.tocoo(copy=False).toarray(order=order, out=out)
    791 
    792     ##############################################################
C:UsersAsqAppDataLocalEnthoughtCanopyUserlibsite-packagesscipysparsecoo.pyc in toarray(self, order, out)
    237     def toarray(self, order=None, out=None):
    238         """See the docstring for `spmatrix.toarray`."""
--> 239         B = self._process_toarray_args(order, out)
    240         fortran = int(B.flags.f_contiguous)
    241         if not fortran and not B.flags.c_contiguous:
C:UsersAsqAppDataLocalEnthoughtCanopyUserlibsite-packagesscipysparsebase.pyc in _process_toarray_args(self, order, out)
    697             return out
    698         else:
--> 699             return np.zeros(self.shape, dtype=self.dtype, order=order)
    700 
    701 
MemoryError: 

我是python的新手，我不知道是否需要手动修复内存错误。

我的代码的其他部分返回相同的错误(如使用knn或ann进行训练)。

我该如何解决这个问题?

Answer 1

在这种情况下，通常可以避免将稀疏矩阵转换为密集格式。

例如，您可以使用CSR或CSC稀疏格式轻松地进行排列和切片。

您还没有发布下面的代码，但我怀疑可以用来处理稀疏输入。如果这是真的，你的内存问题将不再是一个问题。

Answer 2

使用numpy.asarray()就地转换而不是toarray()，因为toarray()需要新增内存。