使用 scipy interpolate griddata 方法重新网格化数据时出现意外的内存错误答案

【问题标题】：Unexpected memory error when regriding data with scipy interpolate griddata method使用 scipy interpolate griddata 方法重新网格化数据时出现意外的内存错误
【发布时间】：2014-08-06 22:55:13
【问题描述】：

我有一个3000x6000 2D 网格（来自 tiff 图像）。我想使用scipy.interpolate 库中的griddata 方法将其重新网格化为较低分辨率的网格。首先，我需要根据我读到的here 形成一个18000000x2 numpy array 作为griddata 的输入。这是我的工作：

import numpy as np
from scipy.interpolate import griddata
x_length = 6000
y_length = 3000
def func(x, y):
    return x*(1-x)*np.cos(4*np.pi*x) * np.sin(4*np.pi*y**2)**2
grid_x, grid_y = np.meshgrid(np.linspace(0,1,x_length),np.linspace(0,1,y_length))
points = np.random.rand(x_length*y_length, 2)
values = func(points[:,0], points[:,1])
grid_z0 = griddata(points, values, (grid_x, grid_y), method='nearest')

我在做griddata 时得到一个MemoryError。我有 8 GB 的 RAM，根据this question 的第一个答案，我不应该收到此错误。

总体而言，将3000x6000 网格重新设置为较低分辨率的网格应该不难，我想我在这里做了一些有趣的事情。我应该让 eMemoryError 使用 8 GB RAM 执行这些代码留置权吗？

P.S：虽然我有一个64-bit 操作系统（Windows 7），但我使用的是以下 Python 版本：

Python 2.7.2 (default, Jun 12 2011, 15:08:59) [MSC v.1500 32 bit (Intel)] on win32

【问题讨论】：

它对我有用。我有 4 GB 的 RAM，并且已经占用了超过 3 个。事实上，在 htop 中我只看到大约 200 MB，而您的每个数组正好是 288 MB。
另外，使用x = np.round(x, 5) 舍入到小数的前 5 位。
@Davidmh 我对问题进行了相当多的编辑。我仍然收到运行代码的MemoryError。你有错误吗？
不，还是不明白。使用量约为 2GB。
这应该为您提供 Python 可访问的所有数组的大小：1e-6 * sum(x.nbytes for x in globals().values() if isinstance(x, np.ndarray))。正如预期的那样，我得到了和以前一样的结果，720 MB。

标签： python numpy memory-leaks grid scipy

【解决方案1】：

正如 cmets 指出的那样，您的内存不足。在 64 位 Windows 7 上运行的 32 位 Python 被限制为 2 GB 的内存，而你只是撞到了它。

有三种解决方案：

获取 64 位 Python。（建议）
插入几个块（将图像分割成一些合适的重叠部分）（费力）
重新考虑您的插值方法（推荐）

如果您有一个常规网格（例如图像），使用griddata 将其重新网格到另一个常规网格在内存和时间方面非常浪费。

有几种方法可以对图像进行下采样。至少PIL 和cv2 模块提供下采样功能。如果您想使用 SciPy 方法，请查看 scipy.ndimage.zoom。它将允许您将图像从一个常规网格重新采样到另一个网格。

【讨论】：

我一定会把我的 Python 改成64-bit。知道我只使用 2 GB 的 RAM 很有用！如果我已经有一个 2D numpy 数组（2D 网格）并且无法再访问 tiff 文件，那么最有效的方法是什么？你认为使用scipy.interpolate 中的RegularGridInterpolator 会是一个不错的选择吗？
如果您有二维数组中的图像数据，那么最简单的方法是使用 scipy.ndimage.zoom(my_img_array, 0.43) 之类的东西将两个方向缩放 0.43（或任何您想要的）。