python - 内存高效的 Python 批处理

Question

问题

我写了一个小型 python 批处理器，它加载二进制数据、执行 numpy 操作并存储结果。它比它应该消耗更多的内存。我看了类似的 stack-overflow discussions并想寻求进一步的建议。

背景

我将光谱数据转换为 rgb。光谱数据存储在波段交错线 (BIL) 图像文件中。这就是我逐行读取和处理数据的原因。我使用 Spectral Python Library 读取数据，它返回一个 numpy 数组。 hyp 是一个大光谱文件的描述符:hyp.ncols=1600, hyp.nrows=3430, hyp.nbands=160

代码

import spectral
import numpy as np
import scipy

class CIE_converter (object):
   def __init__(self, cie):
       self.cie = cie

    def interpolateBand_to_cie_range(self, hyp, hyp_line):
       interp = scipy.interpolate.interp1d(hyp.bands.centers,hyp_line, kind='cubic',bounds_error=False, fill_value=0)
       return interp(self.cie[:,0])

    #@profile
    def spectrum2xyz(self, hyp):
       out = np.zeros((hyp.ncols,hyp.nrows,3))
       spec_line = hyp.read_subregion((0,1), (0,hyp.ncols)).squeeze()
       spec_line_int = self.interpolateBand_to_cie_range(hyp, spec_line)
       for ii in xrange(hyp.nrows):
          spec_line = hyp.read_subregion((ii,ii+1), (0,hyp.ncols)).squeeze()
          spec_line_int = self.interpolateBand_to_cie_range(hyp,spec_line)
          out[:,ii,:] = np.dot(spec_line_int,self.cie[:,1:4])
       return out

内存消耗

所有大数据都在循环外初始化。我天真的解释是内存消耗不应该增加(我使用了太多 Matlab 吗？)有人能解释一下增加因子 10 吗？这不是线性的，因为 hyp.nrows = 3430。有什么改进内存管理的建议吗？

  Line #    Mem usage    Increment   Line Contents
  ================================================
  76                                 @profile
  77     60.53 MB      0.00 MB       def spectrum2xyz(self, hyp):
  78    186.14 MB    125.61 MB           out = np.zeros((hyp.ncols,hyp.nrows,3))
  79    186.64 MB      0.50 MB           spec_line = hyp.read_subregion((0,1), (0,hyp.ncols)).squeeze()
  80    199.50 MB     12.86 MB           spec_line_int = self.interpolateBand_to_cie_range(hyp, spec_line)
  81                             
  82   2253.93 MB   2054.43 MB           for ii in xrange(hyp.nrows):
  83   2254.41 MB      0.49 MB               spec_line = hyp.read_subregion((ii,ii+1), (0,hyp.ncols)).squeeze()
  84   2255.64 MB      1.22 MB               spec_line_int = self.interpolateBand_to_cie_range(hyp, spec_line)
  85   2235.08 MB    -20.55 MB               out[:,ii,:] = np.dot(spec_line_int,self.cie[:,1:4])
  86   2235.08 MB      0.00 MB           return out

笔记

我用 xrange 替换了 range，但没有太大的改进。我知道三次插值不是最快的，但这与 CPU 消耗无关。

Answer 1

感谢您的评论。他们都帮助我稍微改善了内存消耗。但最终我弄清楚了内存消耗的主要原因是什么:

SpectralPython 图像包含 Numpy Memmap目的。这与高光谱数据立方体的数据结构具有相同的格式。 (如果是 BIL 格式(nrows、nbands、ncols))调用时:

spec_line = hyp.read_subregion((ii,ii+1), (0,hyp.ncols)).squeeze()

图像不仅作为numpy数组返回值返回，而且还缓存在hyp.memmap中。第二次调用会更快，但在我的情况下，内存只会增加，直到操作系统提示为止。由于 memmap 实际上是一个很好的实现，我将在未来的工作中直接利用它。