用 NumPy 中的视图来节省内存
发布日期:2022-08-07 19:42    点击次数:183

本文转载自微信公众号「Python中文社区」,作者Trauring。转载本文请联系Python中文社区公众号。

如果您使用 Python 的 NumPy 库,通常是因为您正在处理占用大量内存的大型数组。为了减少内存使用,您可能希望尽量减少不必要的重复项。

NumPy 有一个内置功能,可以在许多常见情况下透明地执行此操作:内存视图。而且,此功能还可以防止数组被垃圾回收,从而导致更高的内存使用率。在某些情况下,它可能会导致错误,数据会以意想不到的方式发生变异。

为了避免这些问题,让我们了解视图的工作原理以及对代码的影响。

预备知识:Python 列表

在查看 NumPy 数组和视图之前,让我们考虑一个有点相似的数据结构:Python 列表。

Python 列表与 NumPy 数组一样,是连续的内存块。当你对一个 Python 列表进行切片时,你会得到一个完全不同的列表,这意味着你正在分配一块新的内存:

>>> from psutil import Process >>> Process().memory_info().rss 12247040 >>> list1 = [None] * 1_000_000 >>> Process().memory_info().rss 20463616 >>> list2 = list1[:500_000] >>> Process().memory_info().rss 24580096 

切片列表分配了更多内存。由于第二个列表是一个独立的副本,如果我们改变它,这不会影响第一个列表:

>>> list2[0] = "abc" >>> print(list2[0]) abc >>> print(list1[0]) None 

注意,复制到第二个列表中的数据是指向 Python 对象的指针,而不是对象本身的内容。因此,即使列表本身不同,底层对象仍然在两者之间进行共享。

切片时 NumPy 数组并不进行复制

NumPy 数组的工作方式不同。因为假设您可能正在处理非常大的数组,所以许多操作不会复制数组,它们只是让您查看原始数组指向的同一连续内存块。

第一个结果是切片不会分配更多内存,因为它只是原始数组的视图:

>>> from psutil import Process >>> import numpy as np >>> arr = np.arange(0, 1_000_000) >>> Process().memory_info().rss 37810176 >>> view = arr[:500_000] >>> Process().memory_info().rss 37810176 

视图对象看起来像一个 500,000 长的 int64 数组,因此如果它是一个新数组,它将分配大约 4MB 的内存。但它只是针对同一个原始数组的一个视图,所以不需要额外的内存。

从技术上来说,可能会为视图对象本身分配一小部分内存,但这可以忽略不计,除非您有很多视图对象。在这种情况下,RSS(常驻内存)度量中没有出现新内存, 网课平台因为 Python 预先分配了更大的内存块,然后用小的 Python 对象填充这些块。

视图导致内存泄漏

使用视图的后果之一是您可能会泄漏内存,而不是节省内存。这是因为视图可以防止原始数组被垃圾回收 - 对整个数组来说。

假设您已经决定只需要使用大数组的一小部分:

>>> import numpy as np >>> from psutil import Process >>> arr = np.arange(0, 100_000_000) >>> Process().memory_info().rss 830181376 >>> small_slice = arr[:10] >>> del arr >>> Process().memory_info().rss 830111744 

如果这是一个 Python 列表,删除原始对象将释放内存。然而,在这种情况下,即使我们没有对数组的直接引用,视图仍然可以起作用,这意味着内存没有被释放,即使我们只对其中的一小部分感兴趣。

您实际上可以通过视图访问原始数组:

>>> small_slice array([0, 1, 2, 3, 4, 5, 6,美食推荐 7, 8, 9]) >>> small_slice.base array([0, 1, 2, ..., 99999997, 99999998, 99999999]) 

结果,只有当我们删除所有视图时,原始数组的内存才会被释放:

>>> del small_slice >>> Process().memory_info().rss 29642752 
其他改变

使用视图的另一个后果是修改视图会改变原始数组。回想一下,对于 Python 列表,修改切片结果不会修改原始列表,因为新对象是一个副本:

>>> l = [1, 2, 3] >>> l2 = l[:] >>> l2[0] = 17 >>> l2 [17, 2, 3] >>> l [1, 2, 3] 

使用 NumPy 视图后,改变视图确实改变了原始对象,它们都指向同一个内存地址:

>>> arr = np.array([1, 2, 3]) >>> view = arr[:] >>> view[0] = 17 >>> view array([17,  2,  3]) >>> arr array([17,  2,  3]) 

这个结果不是我们想要的!

由于某些 NumPy API 可能会根据情况返回视图或副本,因此更有可能发生意外变化。例如,某些切片结果可能不是视图:

>>> arr = np.array([1, 2, 3]) >>> arr2 = arr[:] >>> arr2.base is arr True >>> arr3 = arr[[True, False, True]] >>> arr3.base is arr False 

改变 arr2 也会改变 arr,但改变 arr3 不会改变 arr。

使用 copy() 进行显式复制

当您不想引用原始内存时,显式复制允许您创建一个新数组。这对于防止改变很有用,并且在您不想将原始数组保留在内存中的情况下也很有用:

>>> arr = np.arange(0, 100_000_000) >>> Process().memory_info().rss 829464576 >>> small_slice = arr[:10].copy() >>> del arr >>> Process().memory_info().rss 29700096 >>> print(small_slice.base) None 

在这种情况下,删除 arr 释放了内存,因为 small_slice 是副本,而不是视图。

要点:高效安全地使用视图

鉴于各种 NumPy API 会自动返回视图,您需要在编写代码时考虑它们: 

在文档中注意 API 是否会返回视图、副本或两者。 如果您想从内存中清除一个大数组,请确保不仅没有直接引用它,而且没有引用它的视图。 如果你要改变一个数组,确保它不会因为它实际上是一个视图而意外改变其他一些数组。 如果您不需要视图,请使用 copy() 方法。

 



热点资讯
相关资讯


Powered by 吉林省君航物流有限公司 @2013-2022 RSS地图 HTML地图

Copyright 365站群 © 2013-2022 365建站器 版权所有