- c - 在位数组中找到第一个零
- linux - Unix 显示有关匹配两种模式之一的文件的信息
- 正则表达式替换多个文件
- linux - 隐藏来自 xtrace 的命令
我使用 xarray 作为分析流体湍流数据的工作流程的基础,但我无法正确利用 dask 来限制笔记本电脑的内存使用。
我有一个维度为 ('t', 'x', 'z')
的数据数组 n
,我已经沿着 z 将其分成 5 个 block 维度:
<xarray.DataArray 'n' (t: 801, x: 960, z: 512)>
dask.array<shape=(801, 960, 512), dtype=float32, chunksize=(801, 960, 5)>
Coordinates:
* t (t) int64 200 201 202 203 204 205 206 207 208 209 210 211 ...
* x (x) int64 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 ...
* z (z) int64 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 ...
我想计算 n
在 t 上的均方根波动,并返回维度为 ('x', 'z')
的简化数据数组。我想利用 dask 一次只对一个 block 执行此操作,因为我的笔记本电脑上任何时候都只有几 GB 的 RAM 可用。
我写了一个通用的 ufunc 来计算 dask 数组的均方根:
def rms_gufunc(x, axis):
"""Generalized ufunc to calculate root mean squared value of a 1d dask array."""
squares = np.square(x)
return np.sqrt(squares.mean(axis=-1))
但现在我不确定应用它的最佳方法是什么。据我所知,我可以使用 (1) xarray.apply_ufunc
,或 (2) groupby.reduce
。
<强>1。使用apply_ufunc
:
我可以使用 xarray.apply_ufunc 应用这个函数:
def rms(da, dim=None):
"""
Reduces a dataarray by calculating the root mean square along dimension dim.
"""
if dim is None:
raise ValueError('Must supply a dimension along which to calculate rms')
return xr.apply_ufunc(rms_gufunc, da,
input_core_dims=[[dim]],
dask='parallelized', output_dtypes=[da.dtype])
n_rms = rms(data['n'], dim='t')
n_rms.load() # Trigger computation
这似乎可行,但似乎比必要的更复杂?
<强>2。使用 groupby.reduce
:
xarray 文档似乎表明这是一个“split-apply-combine”操作,我应该能够通过类似的东西来完成
n_rms = data['n'].groupby('z').reduce(rms_gufunc, dim='t')
然而,这会导致 MemoryError
,而且我很确定这不是我想要通过 groupby 步骤实现的。我是否应该使用 groupby_bins
将数据分箱到我沿 z
制作的 block 中?
我想知道 a) 我是否正确使用 apply_ufunc
,以及 b) 我如何使用 groupby
做同样的事情。
最佳答案
因为它是一个 3D 数组,所以我假设以下情况。
水分子在 x-z 平面 (960 μm x 512 μm) 上的速度随时间变化 (801 fs)。找出所有时间 x-z 平面每个元素的速度 rmsf。
numpy 代码为:
xz_plane_rmsf = (data ** 2).mean(axis=0)
其中数据是 shape=(801, 960, 512)
的 3D numpy 数组。data
的第 0、1 和 2 维表示时间、x 坐标和 z 坐标。 data
的每个元素表示时间 t 和坐标 x 和 z 处水分子的平均速度。
Dask 数组的等效代码是:
# Make lazy array
xz_plane_rmsf = (data ** 2).mean(axis=0)
# Evaluate the array
xz_plane_rmsf = xz_plane_rmsf.compute()
其中 data
是一个 3D Dask 数组。
唯一剩下的问题是将 xarray 转换为 Dask 数组。我不使用 xarray,但看起来它已经是一个 Dask 数组:
<xarray.DataArray 'n' (t: 801, x: 960, z: 512)>
dask.array<shape=(801, 960, 512), dtype=float32, chunksize=(801, 960, 5)>
关于python - 使用 xarray + dask 的内存错误 - 使用 groupby 或 apply_ufunc?,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/51662450/
我在具有 2CPU 和 3.75GB 内存 (https://aws.amazon.com/ec2/instance-types/) 的 c3.large Amazon EC2 ubuntu 机器上运
我想通过用户空间中的mmap-ing并将地址发送到内核空间从用户空间写入VGA内存(视频内存,而不是缓冲区),我将使用pfn remap将这些mmap-ed地址映射到vga内存(我将通过 lspci
在 Mathematica 中,如果你想让一个函数记住它的值,它在语法上是很轻松的。例如,这是标准示例 - 斐波那契: fib[1] = 1 fib[2] = 1 fib[n_]:= fib[n] =
我读到动态内存是在运行时在堆上分配的,而静态内存是在编译时在堆栈上分配的,因为编译器知道在编译时必须分配多少内存。 考虑以下代码: int n; cin>>n; int a[n]; 如果仅在运行期间读
我是 Python 的新手,但我之前还不知道这一点。我在 for 循环中有一个基本程序,它从站点请求数据并将其保存到文本文件但是当我检查我的任务管理器时,我发现内存使用量只增加了?长时间运行时,这对我
我正在设计一组数学函数并在 CPU 和 GPU(使用 CUDA)版本中实现它们。 其中一些函数基于查找表。大多数表占用 4KB,其中一些占用更多。基于查找表的函数接受一个输入,选择查找表的一两个条目,
读入一个文件,内存被动态分配给一个字符串,文件内容将被放置在这里。这是在函数内部完成的,字符串作为 char **str 传递。 使用 gdb 我发现在行 **(str+i) = fgetc(aFil
我需要证实一个理论。我正在学习 JSP/Java。 在查看了一个现有的应用程序(我没有写)之后,我注意到一些我认为导致我们的性能问题的东西。或者至少是其中的一部分。 它是这样工作的: 1)用户打开搜索
n我想使用memoization缓存某些昂贵操作的结果,这样就不会一遍又一遍地计算它们。 两个memoise和 R.cache适合我的需要。但是,我发现缓存在调用之间并不可靠。 这是一个演示我看到的问
我目前正在分析一些 javascript shell 代码。这是该脚本中的一行: function having() { memory = memory; setTimeout("F0
我有一种情况,我想一次查询数据库,然后再将整个数据缓存在内存中。 我得到了内存中 Elasticsearch 的建议,我用谷歌搜索了它是什么,以及如何在自己的 spring boot 应用程序中实现它
我正在研究 Project Euler (http://projecteuler.net/problem=14) 的第 14 题。我正在尝试使用内存功能,以便将给定数字的序列长度保存为部分结果。我正在
所以,我一直在做 Java 内存/注意力游戏作业。我还没有达到我想要的程度,它只完成了一半,但我确实让 GUI 大部分工作了......直到我尝试向我的框架添加单选按钮。我认为问题可能是因为我将 JF
我一直在尝试使用 Flask-Cache 的 memoize 功能来仅返回 statusTS() 的缓存结果,除非在另一个请求中满足特定条件,然后删除缓存。 但它并没有被删除,并且 Jinja 模板仍
我对如何使用 & 运算符来减少内存感到非常困惑。 我可以回答下面的问题吗? clase C{ function B(&$a){ $this->a = &$a; $thi
在编写代码时,我遇到了一个有趣的问题。 我有一个 PersonPOJO,其 name 作为其 String 成员之一及其 getter 和 setter class PersonPOJO { priv
在此代码中 public class Base { int length, breadth, height; Base(int l, int b, int h) { l
Definition Structure padding is the process of aligning data members of the structure in accordance
在 JavaScript Ninja 的 secret 中,作者提出了以下方案,用于在没有闭包的情况下内存函数结果。他们通过利用函数是对象这一事实并在函数上定义一个属性来存储过去调用函数的结果来实现这
我正在尝试找出 map 消耗的 RAM 量。所以,我做了以下事情;- Map cr = crPair.collectAsMap(); // 200+ entries System.out.printl
我是一名优秀的程序员,十分优秀!