Python:读取 TIFFArray 时内存使用量增加

Question

我有一个“TIFFFiles”列表，其中每个“TIFFFiles”都包含一个“TIFFArray”，其中包含 60 个 tiff 图像，每个图像的大小为 2776x2080 像素。图像被读取为 numpy.memmap 对象。我想访问图像的所有强度(图像的形状:(60,2776,2080))。我使用以下代码:

for i in xrange(18):

    #get instance of type TIFFArray from tiff_list
    tiffs = get_tiff_arrays(smp_ppx, type_subfile,tiff_list[i])

    #accessing all intensities from tiffs
    imgs = tiffs[:,:,:]

即使在每个迭代步骤中覆盖“tiffs”和“imgs”，我的内存也会增加 2.6GByte。如何避免在每个迭代步骤中复制数据？有什么办法可以重复使用2.6GByte的内存吗？

Answer 1

我知道这可能不是答案，但无论如何它可能会有帮助，而且评论时间太长。

前段时间，我在使用numpy 读取大型 (>1Gb) ascii 文件时遇到内存问题:基本上是使用 numpy.loadtxt 读取文件，代码是使用整个内存 (8Gb) 加上一些交换空间。

据我了解，如果您事先知道要填充的数组的大小，则可以分配它并将其传递给例如 loadtxt。这应该可以防止 numpy 分配临时对象，并且在内存方面可能更好。

mmap ，或类似的方法，可以帮助提高内存使用率，但我从未使用过它们。

编辑

内存使用和释放的问题让我在试图解决我的大文件问题时感到疑惑。基本上我有

def read_f(fname):
    arr = np.loadtxt(fname)  #this uses a lot of memory
    #do operations
    return something  
for f in ["verylargefile", "smallerfile", "evensmallerfile"]:
    result = read_f(f)

根据我所做的内存分析，在返回 loadtxt 或返回 read_f 并使用较小的文件再次调用时都没有内存释放。