numpy.core._exceptions.MemoryError: Unable to allocate 1.45 GiB for an array with shape (13935, 1393

报错

numpy.core._exceptions.MemoryError: Unable to allocate 1.45 GiB for an array with shape (13935, 13935) and data type float64

numpy.core._exceptions.MemoryError: Unable to allocate 11.7 GiB for an array with shape (39547, 39547) and data type float64

这里，1.45GiB 和 11.7GiB 分别代表什么呢？

原因

最主要的还是电脑内存不足，因为需要处理的数据量太大，GPU 性能不够，存在内存溢出现象

但实际上它保存的不是模型文件，而是参数文件文件。在模型文件中，存储完整的模型，而在状态文件中，仅存储参数。因此，collections.OrderedDict 只是模型的值。

解决方案

1.修改 float 精度

在代码中我使用的是flaot 64 类型。但是实际上未必需要这么大的精度，这时候可以使用 numpy 中的 float32， float16 等，这样可以降低很多的内存需求。

总之，根据自己的需求选，够用就好，单这个，就可以节省好几倍的内存。

X = np.array(Xc, dtype=np.float16)

源代码：

X = np.array(Xc)

2. python库、Pandas和Numpy库更新为64位

python 原始的数据类型是 32 位，但是最大只能使用 2G 内存，超过 2G 报错 MemoryError。

如果你的 Python 用的是 32 位的，那么你的 pandas 和 Numpy 也只能是 32 位的，那么当你的内存使用超过 2G 时，就会自动终止内存。而 64bit python 则无此限制，所以建议使用 64bit python。

解决方法就是：检查自己安装的 python 是多少位的，CMD 输入 python，如果是 32 位，那么就重装 64 位的 Python。

如果你的 python 本来安装的就是 64 位的，可以采用下面的方法！

3. 扩充虚拟内存

在运行代码的过程中发现，内存其实只用到了一半不到，但是为什么会出现Memory的错误呢？
进过百度发现说是内存被限制了，所以考虑采用扩大虚拟内存的方法。
扩大虚拟内存的方法：

1. 打开 控制面板；
2. 点击 系统 这一项；
3. 点击 高级系统设置 这一项；
4. 点击 性能 模块的 设置 按钮；
5. 选择高级面板，点击更改 虚拟内存 模块；
6. 记得 不要选中“自动管理所有驱动器的分页文件大小”，然后选择一个驱动器，也就是一个盘，选中自定义大小，手动输入初始大小和最大值，但是不要太大！
7. 都设置好之后，记得点击 “设置”， 然后再确定，否则无效，最后 重启电脑 就可以了。

5. 使用python的gc模块

python的垃圾回收机制比较懒惰，有时候在一个for循环中的变量用不完zo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，然后手动import gc， 然后手动gc.collect()。

6. 其它方法

可以从以下几个方面去改进：

0、换一个性能好的电脑，主要是硬件的问题

1、numpy 在定义数组的时候，采用更低的精度。从 float64 降低为 float32

array_ = np.zeros((10000,10000),dtype=‘float32’) # 默认 float64

2、修改pycharm的运行内存

Help->Find Action->(type "VM Options")->(Click)"Edit Custom VM Options"   打开pycharm64.exe.vmoptions进行编辑
修改-Xmx750m 为 -Xmx4096m     分配 4G 内存，视情况而定。保存并重启 pycharm。

我的电脑原始Xmx为 1536m

3、修改windows虚拟内存

————————————————

参考链接：https://blog.csdn.net/muye_IT/article/details/125067419
[1]