欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

MemoryError的处理方式

程序员文章站 2022-04-27 16:43:20
1. Bug:MemoryError: Unable to allocate 4.34 GiB for an array with shape (40442, 80, 60, 3) and data type float64解决策略2. 虚拟内存与物理内存3.数据读取:HDF5/TFRecords...

  在做项目时,需要加载40442张图片,出现内存错误:MemoryError: Unable to allocate 4.34 GiB for an array with shape (40442, 80, 60, 3) and data type float64。错误源代码:

data = np.array(data, dtype="float") / 255.0# 默认float64

记录几种查到的解决策略。

1. 低精度保存数据

  一般计算上通过numpy得到的16位浮点数。float64占用的内存是float32的两倍,是float16的4倍,比如对于CIFAR10数据集,如果采用float64来表示,需要60000323238/10243=1.4G60000*32*32*3*8/1024**3=1.4G,光把数据集调入内存就需要1.4G;如果采用float32,只需要0.7G,如果采用float16,只需要0.35G左右。占用内存的多少,会对系统运行效率有严重影响,因此数据集文件都是采用uint8来存在数据,保持文件最小。

2. 更新python为64位,更新Pandas/Numpy库为64位

  Python 32bit 最大只能使用 2G 内存。32位的Python安装的pandas和Numpy也只能是32位的,那么当内存使用超过2G时,就会自动终止内存,而 64bit python则无此限制。

  • 查看Python位数:在shell中输入python

3. 修改pycharm的运行内存

  内存使用率不高,但出现MemoryError,可能存在内存限制。

  • Help\rightarrowFind Action\rightarrow(type “VM Options”)\rightarrow(Click)“Edit Custom VM Options”;
  • 打开pycharm64.exe.vmoptions进行编辑;
  • 修改-Xmx750m-Xmx4096m 分配4G内存,视情况而定;
  • 保存并重启pycharm。

4. 扩充虚拟内存

具体设置:

  • 右键点击我的电脑,选择“属性
  • 在打开的面板中依次打开高级系统设置高级选项卡—性能设置高级选项卡—更改,进入虚拟内存的设置界面;
  • 自动管理所有驱动器的分页文件大小选项前的方框里的勾取消,选择一个盘符(尽量是非系统盘),选择自定义大小,将初始大小最大值尽量设置为同一数值(可以根据自己电脑的物理内存设置,如电脑物理内存是2GB,就在3GB到6GB之间选择一个数值),然后点击设置,最后点击确定并重启电脑。

物理内存与虚拟内存:
物理内存

  • 物理内存是真实存在的,它的表现形式是插在电脑主板上的内存条,看机器配置的时候,看的就是物理内存;
  • 内存条的读写速度达到2700MB/s以上;
  • 物理内存容量由内存条决定,内存条是多少GB,物理内存就是多少GB;
  • 物理内存是与CPU进行沟通的桥梁。

虚拟内存

  • 虚拟内存是虚拟存在的,其实是电脑匀出一部分硬盘空间来充当内存使用。当内存耗尽时,电脑就会自动调用硬盘来充当内存,以缓解内存的紧张;
  • 普通机械硬盘读写速度只有150MB/s,即使是固态硬盘也仅可以达到500MB/s,因而与物理内存相比虚拟内存的读写速度都非常慢;
  • 虚拟内存的容量大小可以通过设置进行改变;
  • 虚拟内存是在计算机运行程序或操作所需的物理内存不足时,起到补偿作用。

  即便你的内存已经大到“无可救药”的地步,也不应该将虚拟内存关闭,因为除了传统的为RAM“后备”这一功能外,Windows也会利用虚拟内存执行一 些特定操作。此外虚拟内存的打开还有助于提高内存命中率及保证系统稳定,个别软件(如Photoshop、3Dmark等)在运行时也会需要虚拟内存。

电脑,虚拟内存,物理内存,有什么区别。,哪个更好。| 内存管理介绍

5. 优化数据读取方式

关于 TensorFlow 读取数据的方法,官网给出了三种方法:

  • 供给数据: 在 TensorFlow 程序运行的每一步,让 Python 代码来供给数据。
  • 从文件读取数据: 在 TensorFlow 图的起始,建立一个输入管线从文件中读取数据。
  • 预加载数据: 在 TensorFlow 图中定义常量或变量来保存所有数据(仅适用于数据量比较小的情况)。

  用户处理输入数据的典型流程是:首先将输入数据集从文件系统种读取到内存中,然后将其转换为模型需要的输入数据格式,接着以某种方式传入数据流图,继而开始真正的模型训练过程。
  输入数据集一般被存储在各种类型的文件系统中,根据文件系统类型和输入数据集大小,有两种不同的数据读取方法:

  • 大数据集:(如 ImageNet )一般由大量数据文件构成,因为数据规模太大,所以无法一次性全部加载到内存中,因为太耗内存,这个时候最好使用 TensorFlow 提供的队列 queue ,也就是第二种方法从文件读取数据。大数据集时则多采用 TFRecords 格式。
  • 小数据集:(如 MNIST )可能仅包含一个文件,因此用户可以在模型训练开始前一次性地将其加载到内存处理,然后再分batch 输入网络进行训练,也就是第三种方法预加载数据。小数据集时多采用 minibatch

稀疏数据的存储

  在数据是稀疏的情况下,如训练集中大量one hot特征,此时把dense的数据转成sparse的存储方式可以减小内存占用,可以参考scipy里面的sparse模块,里面有多种支持sparse存储的数据结构可以直接调用。但是注意该模块的集中数据结构至少都需要dense数据2-3倍的空间来存储,也就是说,如果数组中sparse的只有一半甚至更少,那使用sparse结构只会占用更多的空间,只有在数据中大量都是稀疏的情况下才能用。

python处理大训练集过程中遇到的Memory Error问题解决

使用pandas中read_csv的块读取

  • 块读取:不会一次性把所有的数据都放到内存中来,而是分块读到内存中,最后再将块合并到一起,形成一个完整的DataFrame。
with open(path) as f:
	data = pd.read_csv(path, sep=',',engine = 'python',iterator=True)
	loop = True
	index,chunkSize,chunks = 0,1000,[]
	while loop:
    	try:
        	print(index)
        	chunk = data.get_chunk(chunkSize)
        	chunks.append(chunk)
        	index+=1
		except StopIteration:
        	loop = False
        	print("Iteration is stopped.")
print('开始合并')
data = pd.concat(chunks, ignore_index= True)

read()/readline()/readlines()

  • read():一次性读取文件的全部内容,如果文件很小,一次性读取最方便;
  • read(size):每次最多读取size个字节的内容,如果不能确定文件大小,反复调用read(size)比较保险;
  • readline():每次读取一行内容;
  • readlines():一次读取所有内容并按行返回list,如果是配置文件,调用readlines()最方便:

处理大文件是很容易想到的就是将大文件分割成若干小文件处理,处理完每个小文件后释放该部分内存。

def read_in_chunks(filePath, chunk_size=1024*1024):
    """
    Lazy function (generator) to read a file piece by piece.
    Default chunk size: 1M
    You can set your own chunk size 
    """
    with open(filePath) as file_object:
    	while True:
        	chunk_data = file_object.read(chunk_size)
        	if not chunk_data:
            	break
        	yield chunk_data
if __name__ == "__main__":
    filePath = './path/filename'
    for chunk in read_in_chunks(filePath):
        process(chunk) # <do something with chunk>

HDF5文件

批量读写HDF5文件:Python处理HDF5文件:h5py库

TFRecords 格式

TFRecords 格式和 h5py 格式是类似的效用。

TensorFlow学习笔记之30分钟学会 TFRecords 格式高效处理数据
tensorflow TFRecords文件的生成和读取方法

6. 手动回收变量(Python)

  Python的垃圾回收机制比较懒惰,有时候在一个for循环中的变量用完不会回收,下次重新初始化的时候又重新开辟了空间,这时候可以手动del这个变量,del x,然后import gc, 然后手动gc.collect()


Python学习:numpy库 数据量太大出现Memory Error问题的解决方法汇总
win10 pycharm 出现MemoryError 和 Unable to allocate array with shape

本文地址:https://blog.csdn.net/Hanx09/article/details/107456037