我正在寫一個模塊來訓練一個大型數據集上的ML模型——它包括0.6米的數據點，每個數據點的維度都是0.15米。我在加載數據集本身時遇到了問題。(全是numpy數組)

下面是一個代碼片段(它復制了實際代碼的主要行為)：import numpy

import psutil

FV_length = 150000

X_List = []

Y_List = []

for i in range(0,600000):

feature_vector = numpy.zeros((FV_length),dtype=numpy.int)

# using db data, mark the features to activated

class_label = 0

X_List.append(feature_vector)

Y_List.append(class_label)

if (i%100 == 0):

print(i)

print("Virtual mem %s" %(psutil.virtual_memory().percent))

print("CPU usage %s" %psutil.cpu_percent())

X_Data = np.asarray(X_List)

Y_Data = np.asarray(Y_List)

這些代碼會導致內存分配不斷增加，直到被殺死。有沒有辦法減少不斷增加的內存分配？在

我試過用gc.收集()但它始終返回0。我把variables=None顯式地設置為，不再有用。在