Sagemaker: MemoryError:无法为___for分配具有形状___和数据类型float64的数组
Sagemaker是亚马逊AWS提供的一项机器学习服务，用于简化和加速机器学习模型的开发、训练和部署过程。它提供了一个完整的端到端解决方案，包括数据准备、模型训练、模型调优和模型部署等环节。
在使用Sagemaker进行机器学习模型训练时，有时会遇到"MemoryError:无法为for分配具有形状和数据类型float64的数组"的错误。这个错误通常表示内存不足，无法为指定形状和数据类型的数组分配足够的内存空间。
解决这个问题的方法有以下几种：
- 减少数据集的大小：可以尝试减少训练数据集的大小，以减少内存需求。可以通过随机采样或者特征选择等方法来减少数据集的大小。
- 使用更高效的数据类型：可以尝试使用更小的数据类型来存储数据，例如使用float32代替float64。这样可以减少每个数据点所占用的内存空间。
- 增加实例的内存：如果使用的Sagemaker实例的内存不足以处理当前的数据集，可以尝试升级到具有更大内存容量的实例类型。
- 分布式训练：如果数据集非常大，单个实例无法处理，可以考虑使用分布式训练的方式，将数据集分成多个部分，在多个实例上并行训练。
腾讯云提供了类似的机器学习服务，可以使用腾讯云的机器学习平台（https://cloud.tencent.com/product/tiia）来进行模型训练和部署。该平台提供了丰富的机器学习算法和模型，可以满足各种不同的应用场景。
相关·内容
1回答
当我在iPython笔记本中运行流动的代码时：
_x = np.concatenate([_batches.next() for i in range(_batches.samples)])
我收到这条错误消息
---------------------------------------------------------------
MemoryError Traceback (most recent call last)
<ipython-input-14-313ecf2ea184> in <module>()
---->
浏览 3提问于2018-01-09得票数 3
回答已采纳
我正在研究一个问题来预测收入，一部电影就会产生。数据集中的一些功能是为工作在影片中的剧组人员收集的。我对这些列应用了一种编码。
因此，我有一个(3000*1835)大小的数组。这也是我从“船员”列中只提取导演数据并应用60%方差保留的PCA后得到的。
但是，当我应用多项式回归时，我得到了下面提到的错误：
$\lib\site-packages\sklearn\model_selection_validation.py:532: FitFailedWarning:估值器拟合失败。这些参数在这个火车测试分区上的得分将被设置为nan。详细信息: MemoryError:无法为具有形状(2400,
浏览 0提问于2020-02-26得票数 0
我得到一个MemoryError:无法为具有形状(50000,164921)和数据类型float64的数组分配61.4 GiB
tfidf = TfidfVectorizer(analyzer=remove_stopwords)
X = tfidf.fit_transform(df['lemmatize'])
print(X.shape)
Output : (50000, 164921)
现在，内存错误出现了
df = pd.DataFrame(X.toarray(), columns=tfidf.get_feature_names())
MemoryError:无法为形
浏览 1提问于2021-02-20得票数 1
1回答
新记忆错误的来源？
、、、、
我面临一个问题，当我想要创建我的培训集的形象，以深入学习。图像是299x299灰度缩放的.tif文件。每个类别都有近3000幅图像。我以前在泡菜文件中编译这些数据，大约是6.5Go。然后，我设法加载它，没有任何问题。
但是，最近我想再次使用这个训练集，当我运行与之前完全相同的代码时，我会出现以下内存错误：
import numpy as np
import os
import cv2
from tqdm import tqdm
import random
import pickle
DATADIR = "path/to/folder"
CATEGORIES = ["A
浏览 3提问于2020-11-20得票数 0
回答已采纳
我在我的代码中得到这个错误: MemoryError:当我尝试在以下位置运行我的代码时，无法为具有形状(61，17，41，59，51，11)和数据类型float64的数组分配10.5 GiB #Control test to look at 4-Seamer at different approaches
import numpy as np
import math
#Creating the Arrays for the baseball pitch (Testing 4-Seam FB)
phi=np.linspace(175,180,61)*math.pi/180.0
theta=np
浏览 31提问于2021-01-28得票数 0
回答已采纳
我的dataframe中有扩展(例如.exe、.py、.xml、.doc等)表。在终端上运行后，我在大数据集上得到了以上错误。
encoder = OneHotEncoder(handle_unknown='ignore')
encoder.fit(features['Extension'].values.reshape(-1, 1))
temp = encoder.transform(features['Extension'].values.reshape(-1, 1)).toarray() #GETTING ERROR on this
pr
浏览 1提问于2020-11-23得票数 0
获取此内存错误。但是我关注的这本书/链接没有得到这个错误。 代码的一部分： from sklearn.linear_model import SGDClassifier
sgd_clf = SGDClassifier()
sgd_clf.fit(x_train, y_train) 错误：MemoryError: Unable to allocate 359. MiB for an array with shape (60000, 784) and data type float64 当我尝试使用StandardScaler的fit_transfrom缩放数据时，也会遇到此错误 但是，如果我减
浏览 30提问于2020-07-11得票数 7
回答已采纳
我正在尝试使用径向基函数(Rbf)插值一个表示2D曲面的不太大(约10.000个样本)的点云。我得到了一些好的结果，但对于我的最后一个数据集，我总是得到MemoryError，尽管错误几乎是在执行过程中立即出现的(内存显然没有被占用)。
我决定从Scipy中复制一份rbf.py文件，首先用一些打印语句填充它，这些语句非常有用。通过逐行分解_euclidean_norm方法，如下所示：
def _euclidean_norm(self, x1, x2):
d = x1 - x2
s = d**2
su = s.sum(axis=0)
sq = sqrt(su)
浏览 1提问于2012-08-08得票数 7
回答已采纳
我发现一个奇怪的3Dndarray(见附件)，它没有显示最后一个维度的形状，并且数据类型更改(从'object‘到np.float的数组也不是)不起作用。
它是每个维度的('object'，'object'，‘float64’)数据类型的ndarray，实际形状是(2,3, 24 )，但形状显示为(2,3)，这意味着(2,3)中的24维数组不计在内。
当我尝试使用.asarray或.astype将该数组设置为每个维度的'dtype=np.float‘时，我得到了一个错误ValueError: setting an array element w
浏览 7提问于2017-06-20得票数 0
回答已采纳
1回答
我使用numpy和list构造函数创建了几个数组，但我不知道为什么会失败。我的代码是：
import numpy as np
A = np.ndarray( [i for i in range(10)] ) # works fine
B = np.ndarray( [i**2 for i in range(10)] ) # fails, with MemoryError
我也尝试过B = [i**2 for i in range(10)]，但我需要它是一个ndarray。我不明白为什么普通的构造函数可以工作，但调用一个函数就不行了，据我所知，ndarray构造函数甚至不应该看到它的内部，它应该
浏览 8提问于2016-09-18得票数 0
回答已采纳
1回答
我尝试使用以下步骤在HDF文件中存储可变长度数组的列表：
phn_mfccs = []
# Import wav files
for waveform in files:
phn_mfcc = mfcc(waveform) # produces a variable length multidim array of the shape (x, 13, 1)
# Add MFCC and label to dataset
# phn_mfccs has dimension (len(files),)
# phn_mfccs[i] h
浏览 5提问于2017-03-08得票数 1
回答已采纳
3回答
初始化高维稀疏矩阵
、、、
我想使用sklearn初始化300,000 x 300,0000稀疏矩阵，但它需要内存，就好像它不是稀疏的一样： >>> from scipy import sparse
>>> sparse.rand(300000,300000,.1) 它会给出错误： MemoryError: Unable to allocate 671. GiB for an array with shape (300000, 300000) and data type float64 这与我使用numpy进行初始化时的错误相同。 np.random.normal(size=[
浏览 48提问于2020-11-16得票数 3
回答已采纳
我有一个数据类型为numpy.complex128的值的ndarray。当我尝试使用这些值创建Spark DF时，我得到错误：
UserWarning: createDataFrame attempted Arrow optimization because 'spark.sql.execution.arrow.enabled' is set to true; however, failed by the reason below:
Unsupported numpy type 15
Attempting non-optimization as 'spark.sql.e
浏览 14提问于2020-05-08得票数 1
回答已采纳
我正在从一个DataFrame文件中读取hdf5：
import pandas as pd
store = pd.HDFStore('some_file.h5')
df= store['df']
store.close()
使用info显示：
In [11]: df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 21423657 entries, 0 to 21423656
Data columns (total 5 columns):
date datet
浏览 2提问于2015-09-17得票数 1
回答已采纳
2回答
我正在加载这个，但上面写的是错误。
import pandas as pd
import numpy as np
userMovie = np.load('userMovieMatrixAction.npy')
numberUsers, numberGenreMovies = userMovie.shape
genreFilename = 'Action.csv'
genre = pd.read_csv(genreFilename)
MemoryError:无法为形状(487495360 )和数据类型float64的数组分配3.63 GiB，我能做什么？快
浏览 7提问于2022-07-03得票数 1
2回答
我正试图计算大型numpy数组的平均值。最初，我试过：
data = (np.ones((10**6, 133))
for _ in range(100))
np.stack(data).mean(axis=0)
但我得到了
numpy.core._exceptions.MemoryError:无法为具有形状(100、1000000、133)和数据类型float32的数组分配xxx GiB
在原始代码中，数据是一个更有意义的向量生成器。
我考虑过使用dask进行这样的操作，希望它能将我的数据分割成由磁盘支持的块。
import dask.array as da
import
浏览 5提问于2021-08-25得票数 0
回答已采纳
我尝试将形状为(1482535,67826)的scipy.sparse.csr.csr_matrix存储到数据帧中，但收到如下错误。我在Google Cloud平台上运行，有4个4CPU和208 GB内存。我不能再增加我的记忆了。我该如何解决这个问题？如有任何建议，欢迎光临。
type(x_train_bow_name)`
scipy.sparse.csr.csr_matrix
data1 = pd.DataFrame(x_train_bow_name.toarray())`
-------------------------------------
浏览 51提问于2019-11-05得票数 5
我试图将层次化聚类应用于图像的像素值。这是分配图像的不同区域，并提取具有相似颜色的片段。问题领域是只分割图像的近颜色，而不是的形状。我正在尝试类似的方式(假设图像被加载为数字数组的形状(256,256，3)，由于版权问题不能共享图片：
from scipy.cluster.hierarchy import dendrogram, linkage
ppp=img.reshape(img.shape[0]*img.shape[1],img.shape[2])
Z = linkage(ppp, method = 'ward')
dendrogram(Z,leaf_rotation=9
浏览 1提问于2018-03-31得票数 0
回答已采纳
我有C++的二维Numpy数组，我想把它们转换成二进制格式，可以用python读取，你知道，python中的二维数组是一维数组，有两个指针，用来定位元素。你能告诉我python中的哪个函数可以用来完成这项工作或其他任何解决方案吗？
浏览 18提问于2017-08-23得票数 0
回答已采纳
import pandas as pd
import numpy as np
data = pd.read_csv('dataset.csv')
print(data.head())
文件“C:/ /Shantanu Shubham/PycharmProjects/dash/dashboard.py"，第6行，在data = pd.read_csv('gapminder.csv') File "C:\Users\Shantanu 第685行，在parser_f返回_read(filepath_or_buffer，文件"C:\Users\
浏览 3提问于2019-10-25得票数 0
1回答
我正试图为mario环境创建一个DQN模型。但是，当我试图创建模型时，它给了我一个错误：
MemoryError:无法分配229个。用于形状(1000000、1、4、240、256个)和数据类型GiB的数组的uint8
这是创建模型的代码：
model = DQN('CnnPolicy', env, verbose=1, tensorboard_log=LOG_DIR, learning_rate=0.000001)
我在这个项目中使用木星笔记本。
浏览 5提问于2022-03-21得票数 0
回答已采纳
在google计算引擎上，我运行以下命令：
z = np.zeros((10000, 32, 32, 3))
并获取
MemoryError跟踪(最近一次调用) in ->1z=np.zeros(10000，32，32，3)
MemoryError:无法分配234个。MiB用于形状(10000、32、32、3)和数据类型float64的数组
这看起来像当前的操作系统配置阻止我分配大数据块，这在我看来是很奇怪的。
如何获得需要分配的内存？
这是用于，用于将CIFAR-10加载到内存中。
浏览 2提问于2020-02-29得票数 0
我想用Python中的Numpy创建一个矩阵，代码如下：
import numpy
result=numpy.zeros((20,20,20,30,30,30))
numpy.save('result',result)
我得到以下错误：
Traceback (most recent call last):
File "numpy_memoryerror.py",
line 5, in <module>
result=numpy.zeros((20,20,20,30,30,30))
MemoryError
如果我像这样使用较小的尺寸：
浏览 2提问于2011-05-17得票数 4
回答已采纳
我正在使用keras在SageMaker上训练一个模型，下面是我使用的代码，但我遇到了错误： MemoryError: Unable to allocate 381. MiB for an array with shape (25000, 2000)
and data type float64 代码如下： import pandas as pd
import numpy as np
from keras.datasets import imdb
from keras import models, layers, optimizers, losses, metrics
import
浏览 15提问于2020-07-12得票数 1
回答已采纳
我使用
netdata = num.genfromtxt('resultscut.rw', dtype=None, delimiter = '|', usecols=(0,1,2,3,4))
若要从文本数据文件生成列表，请执行以下操作。这真的很好用，但当我放入一个更大的数据文件进行转换时，我得到了这个错误：
File "/home/.local/lib/python2.7/site-packages/numpy/lib/npyio.py", line 2047, in genfromtxt
for (i, conv) in enume
浏览 0提问于2018-11-05得票数 0
我有一个Astropy Table：
a b c
------------------- ---- ---
-0.6096212422044334 2.0 3.0
-1.2192424844088667 10.0 3.0
-5.4865911798399 9.0 3.0
为了绘图，我想把这个表转换回一个数组。这是我尝试过的：
d=Table(t)
x=np.array(d)
print(x)
这是我得到的结果(我相信它是一个元组)：
[(-0.60962124, 2., 3.) (-1.21924248, 10., 3.) (-5.48
浏览 1提问于2020-04-08得票数 1
我有一个用于无线电信号的巨大数据集()，其组织如下：
dataset是一个包含3个键(X、Y、Z)的.hdf5文件。
X:形状(2555904x1024x2)浮标over 2 Millions sample each has 1024 complex points (2 floats for real and imaginary parts)
Y:形状(2 555 904 X24)整型指向调制类型
Z:形状(2555904x1)整数信号噪声级(信噪比)
我将调制类型和信噪比组织为一个元组((mod,snr),(mod,snr),(mod,snr), ...)列表。
我的问题
浏览 1提问于2019-08-05得票数 0
回答已采纳
我只是没有意识到这一点。基本上，这应该是一件很容易解决的事情，但我没有把它弄对。 我设置了一个NaN数组，并用numpy值填充它。然后我想将字符串赋给它的字段(这是我绝对想做的)，我得到了"ValueError: want‘t convert string to float“。我在StackOverflow的搜索中找到的所有内容都是如何将字符串转换为浮点数-但这不是我想要做的。 下面是一个小代码示例，它描述了我正在讨论的内容： a = np.empty((6, 7))
a[:] = np.nan
# later in a loop
a[0,0] = 'abc' 提前感
浏览 16提问于2021-03-25得票数 0
回答已采纳
我有这个矩阵，它的大小是4192*4192，现在我想要这个矩阵squared.But，无论我在jupyter notebook中还是在julia pro中平方，它都没有结束(超过5分钟)。 有没有可能无法解析如此大小的矩阵乘法？在python中，这将立即完成。 ?
浏览 37提问于2021-08-26得票数 1
回答已采纳
1回答
我有两个数据帧。Dataframe A为形状(1269345,5)，而dataframe B为形状(18583586，3)。
Dataframe A看起来：
Name. gender start_coordinate end_coordinate ID
Peter M 30 150 1
Hugo M 4500 6000 2
Jennie F
浏览 5提问于2021-07-14得票数 2
我是pytorch和tensorflow的用户。我偶然发现了Mxnet，以便使用AWS sagemaker的弹性推断。 Mxnet gluon数据集api似乎与pytorch的数据集非常相似。 class CustomDataset(mxnet.gluon.data.Dataset):
def __init__(self):
self.train_df = pd.read_csv('/shared/KTUTOR/test_summary_data.csv')
def __getitem__(self, idx):
return
浏览 51提问于2020-01-13得票数 2
回答已采纳
1回答
MemoryError:无法为形状为(120000，20,95932)且数据类型为float64的数组分配1.68 TiB，这是导致问题的行：outs = np.zeros((context_1.shape[0], maxLen, vocab_size))
是否有解决此错误的方法？
浏览 0提问于2020-05-23得票数 0
在将数据附加到空数组并验证其形状后，我将使用tofile保存它。当我用much文件把它读回来时，它的形状要大得多(4倍)。
# Create empty array
rx_data = np.empty((0), dtype='int16')
# File name to write data
file_name = "Test_file.bin"
# Generate two sinewaves and add to rx_data array in interleaved fashion
for i in range(100):
I = np.s
浏览 2提问于2021-07-10得票数 2
回答已采纳
我正在尝试将numpy.ndarray转换为numpy.float。numpy.ndarray看起来如下所示：
<class 'numpy.ndarray'>
[[0.]
[1.]
[1.]
...
[0.]
[0.]
[0.]]
我想在这样的numpy.float中转换它：
<class 'numpy.float64'>
[0.0, 1.0, 1.0, ... , 0.0, 0.0, 0.0]
有人能帮我吗？
提前谢谢！
浏览 3提问于2022-06-23得票数 0
当我在带有tensorflow的nvidia GPU上创建一个形状为(L, N, N)的变量时，该变量是否占用了L方片的平铺，其中每个片段都是N？
例如，三块拼凑在一起的记忆将是：
# --- #
| NxN |
# --- #
| NxN |
# --- #
| NxN |
# --- #
tensorflow将如何为形状为(a, b, N, N)的变量分配GPU内存
浏览 0提问于2019-06-13得票数 0
回答已采纳
我有不同的.npy文件，其中有保存的numpy数组(或者表示为矩阵的图像，维数= 64，另一个我不知道)。
我想读取它们，将它们存储在3维的numpy.ndarray中。
到目前为止，我所做的是非常不同的事情，我在处理我创建的结构时遇到了问题。
<code>A0</code>
这样，我就有了一个shape <code>D2</code>的numpy.ndarray <code>D1</code>。
让我们假设我将每个图像重塑为(n，64)，我希望<code>D3</code>的形状为<code
浏览 16提问于2020-03-15得票数 0
回答已采纳
1回答
我试图创造34个项目的组合。当我限制最大组合为10时，就没有问题了。然而，当我试图获得更多的组合，我有内存错误。(MemoryError:无法为形状(X，Y)和数据类型float64的数组分配X GiB )我已经在使用64位的python了，这对迭代有什么帮助呢？
import pandas as pd
import itertools as it
header = [100, 101, 102, 103, 104, 105, 106, 107, 108, 109, 110, 111, 112, 113, 114, 115, 116, 117, 118, 119, 120, 121, 122
浏览 6提问于2022-02-16得票数 2
我使用的是python 3.5(64位)，我想加载并打印6.4‘m的numpy文件。我的朋友给我发了我想要的代码。她成功地加载了数据，但我看不到同样的结果。我成功安装了numpy 1.16.1。我将我的文件移动到本地磁盘以修复此错误。但它并没有起作用。
import numpy as np
data = np.load('C:/Users/papar/Desktop/processed_endomondoHR_proper_interpolate.npy')
print(data)
Traceback (most recent call last):
File
浏览 0提问于2020-05-20得票数 0
我无法理解使用numpy.corrcoeff()找到两个向量smin & smax之间的相关系数时得到的MemoryError，如下所示：
import numpy as np
from numpy import random as rn
r=0.01
sigma=0.2
T=1
K=1
N=252
h=T/N
M = 50000
Z = rn.randn(M,N)
S=np.ones((M,N+1))
smax=np.ones((M,1))
smin=np.ones((M,1))
for i in range(0,N):
S[:,i+1]=S[:,i]*(np.exp((
浏览 21提问于2020-02-17得票数 1
2回答
我想我是在问一个新手问题，但我今天花了太多的时间寻找答案。在用np.genfromtxt保存并重新加载后，当我天真地尝试在numpy数组上执行相同的切片操作时，我得到了一个IndexError: too many indices for array错误。
注意:我看到尺寸在重新加载时从(3,6)变为(3，)，但无法将结果转换回尺寸(3,6)-这是我认为必须显而易见的部分(或者可能我需要以不同的方式指定类型)
yo = np.arange(18)
yo = yo.reshape(3,6)
print(yo)
[[ 0 1 2 3 4 5]
[ 6 7 8 9 10 11]
浏览 0提问于2018-04-02得票数 3
我在Python2.6.2中使用NumPy。我正在尝试创建一个小的(长度为3)简单的布尔数组。下面的代码给了我一个MemoryError，我认为它不应该这样做。
import numpy as np
cond = np.fromiter((x in [2] for x in [0, 1, 2]), dtype = np.bool)
它给我的错误是：
MemoryError:无法分配数组内存
但是，以下获取列表的方法(与ndarray相反)运行良好(不使用numpy)：
cond = list((x in [2] for x in [0, 1, 2]))
我在Numpy代码中做错了什么吗？我的感
浏览 0提问于2010-09-15得票数 2
回答已采纳
当我测试一个超过100MB的音频文件时，我得到了以下错误。我是python新手，所以我找不到解决方案：
Traceback (most recent call last):
File "C:\Users\opensource\Desktop\pyAudioAnalysis-master\audioFeatureExtractio
n.py", line 542, in stFeatureExtraction signal = numpy.double(signal)MemoryError
浏览 13提问于2017-07-17得票数 0
1回答
我正在尝试对一个大的numpy数组进行排序。它是一个形状为(450,470，10,470) (994,050,000个元素)的4维'float16‘数组。加载时，数组大小约为2 GB，并且我使用的是64位linux (和64位python)，因此我应该能够毫无问题地使用我所有的8 GB内存，但只要我尝试使用argsort，我就会得到一个MemoryError。
代码如下：
import numpy as np
score = np.load('score.npy')
aaarg = np.argsort(score, axis=None)[:-21:-1]
我的目标是
浏览 3提问于2015-05-07得票数 2
2回答
我正在努力将几个netCDF文件转换成CSV或其他表格格式。我意识到以前也有人提出过类似的问题，但我无法应用我遇到的任何解决方案。
例如，。
来自ncdump实用程序的netCDF似乎不生成实际的CSV文件。我找不到任何关于如何这样做的指示。
我尝试用pandas将数据加载到xarray.to_dataframe()中，但是我的笔记本无法分配所需的内存。
In [1]: import xarray as xr
In [2]: import pandas as pd
In [3]: nc = xr.open_dataset('Complete_TAVG_Daily_E
浏览 2提问于2020-04-16得票数 1
回答已采纳
2回答
我在numpy中有一个“空”的2D数组 arr = np.array([[[], [], []], [[], [], []]])。 当我执行np.transpose(arr)时，我得到的结果是：[]，而不是预期的： [[[],[]],[[],[]],[[],[]]]。
浏览 20提问于2020-06-08得票数 0
1回答
我有一个numpy数组，'a'，形状(52，)。当我做a.shape时，我得到(8,8,6)。如何修改'a‘使a.shape等于(52,8,8,6)？
我曾尝试重塑阵列，但未能获得所需的形状。
浏览 2提问于2015-03-07得票数 0
lr = lm.LogisticRegression(penalty='l2', dual=True, tol=0.0001,
C=1, fit_intercept=True, intercept_scaling=1.0,
class_weight=None, random_state=None)
rd = AdaBoostClassifier( base_estimator=lr,
浏览 6提问于2013-10-09得票数 3
回答已采纳
我有两个矩阵A，B，形状都是150000 x 150000 我想把A的每个元素除以B的每个元素，按元素划分。我现在的做法是- res=A/B 我确实得到了小矩阵的输出，但像我这样的大矩阵。这个过程会被终止。关于如何有效地完成这项工作，有什么建议吗？ 样本数据 A =
[
[2.2,3.3,4.4]
[2.2,3.3,4.4]
[2.2,3.3,4.4]]
B=
[
[1,3.3,4.4]
[2.2,1,4.4]
[2.2,3.3,1]]
res =
[
[2.2,1,1]
[1,3.3,1]
[1,1,4.4]] 这是一个3X3矩阵，我使用的是150000 X 150000矩阵
浏览 11提问于2021-01-07得票数 1
就像python中的list 1，"hello"，{"python"：10}一样，它可以有所有不同的类型，numpy数组也可以这样吗？
当numpyarray.dtype => dtype('float64')时，是否意味着所有元素都是浮点数？
浏览 3提问于2019-03-03得票数 0
今天，我注意到代码中有一些奇怪的地方，并发现在某些情况下，它一直运行到执行以下内容：
my_list = [0] + np.array([])
其结果是my_list如下：
array([], dtype=float64)
一开始，我很困惑，因为我了解到解释器首先将列表转换为numpy数组，然后尝试广播操作：
>>> np.array([0]) + np.array([])
array([], dtype=float64)
我对这种行为有一些疑问：
为什么是广播？
如果python抛出一个错误，至少对于列表被转换并消失的特殊情况，难道不是更好吗？
谢谢您的澄清
浏览 2提问于2019-11-14得票数 6
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
