尽管内存足够，但numpy.append仍出现MemoryError

Question

我一直在尝试将使用laspy读取的点云列表的点附加到另一个点列表中，基本上是合并两个点云。当合并多个点云时，我一直在将所有点附加到同一个np.ndarray中，以便将其保存回laspy文件。现在，一旦要合并的所有点云的组合大小超过约350 MB，我就会收到“MemoryError”错误。

我尝试使用不同的方法编写点云文件，以便不必一次性将所有点都读入内存，但失败了，因为laspy在编写点云文件时确实很奇怪，以下是我发现的一些事情： laspy.File.points具有以下格式：

array([((24315,  12245, 12080, 0, 24, 0, 0, 0, 202, 23205, 24735, 21930),),
       ...,
       ((15155, -23292, -6913, 0, 56, 0, 0, 0, 343, 36975, 37230, 37485),)],
      dtype=[('point', [('X', '<i4'), ('Y', '<i4'), ('Z', '<i4'), ('intensity', '<u2'), ('flag_byte', 'u1'), ('raw_classification', 'u1'), ('scan_angle_rank', 'i1'), ('user_data', 'u1'), ('pt_src_id', '<u2'), ('red', '<u2'), ('green', '<u2'), ('blue', '<u2')])])

laspy.File.points的变量类型是numpy.ndarray。 laspy.File.points的形状是(<numberOfRows>,)，即一维数组，尽管每行有12个值（？）。 行的类型为numpy.void。 为了写入laspy.File，您需要创建一个新的以写模式打开的文件，从现有文件中复制标题，并将File.points设置为与上述完全相同的numpy数组。在设置点之后，不能再次设置它们，这意味着在设置点时需要知道最终行数。 您可以使用laspy.File.set_x(<arrayOfXValues>)（类似方法）更改行的值，需要与laspy.File.points具有相同的长度。

现在我的电脑有16 GB的RAM，其中在合并开始时大约有10 GB是空闲的。使用psutils我可以获取到我的已用和可用内存，而且我从不低于9 GB的自由内存。使用psutil.Process(os.getpid()).memory_info().rss我可以获取此进程所使用的内存，其最大值不超过650 MB。

在合并时，我首先读取第一个文件，然后迭代其他文件，逐个读取它们，并调用numpy.append(combinedPoints, otherPointcloudPoints)将所有点堆叠在一起。然而，当上述条件为真时，这会抛出MemoryError。

以下是将多个点云合并为一个新点云的代码（所有这些都发生在类PointCloudFileIO中，self.file是laspy.File的实例）。util.inMB将字节转换为兆字节的大小。

    def mergePointClouds(self, listPaths, newPath):
        realSize = util.inMB(psutil.Process(os.getpid()).memory_info().rss)
        print("Process Memory used at start: {:.2f}MB".format(realSize))
        print("Available memory at start: {:.2f}MB".format(util.inMB(psutil.virtual_memory().available)))

        pointsOwn = self.file.points
        firstOtherReader = PointCloudFileIO(listPaths[0])
        pointsCombined = np.append(pointsOwn, firstOtherReader.file.points)

        realSize = util.inMB(psutil.Process(os.getpid()).memory_info().rss)
        print("Process Memory used after first merge: {:.2f}MB".format(realSize))
        print("Available memory after first merge: {:.2f}MB".format(util.inMB(psutil.virtual_memory().available)))

        for i in range(1, len(listPaths)):
            otherReader = PointCloudFileIO(listPaths[i])
            otherPoints = otherReader.file.points

            pointsCombined = np.append(pointsCombined, otherPoints)

            realSize = util.inMB(psutil.Process(os.getpid()).memory_info().rss)
            print("Process Memory used in loop: {:.2f}MB".format(realSize))
            print("Available memory in loop: {:.2f}MB | Used: {:.2f}MB | Percent: {}%".format(util.inMB(psutil.virtual_memory().available), util.inMB(psutil.virtual_memory().used), psutil.virtual_memory().percent))

        outFile = File(newPath, mode='w', header=self.file.header)
        outFile.points = pointsCombined
        outFile.close()

几乎所有我使用的用例都可以完美地工作。它将提供的所有点云合并到一个新文件中的新点云中。然而，当生成的点云稍微有点过大时，尽管拥有比所需内存更多的内存，我会出现“MemoryError”错误。

这是我使用这些点云（下载.laz文件）启动程序时的日志，你需要使用laszip解压缩.laz文件才能在使用laspy时使用（至少在Windows上）。

Process Memory used at start: 21.18MB
Available memory at start: 9793.35MB | Used: 6549.50MB | Percent: 40.1%
Process Memory used after first merge: 381.63MB
Available memory after first merge: 9497.64MB | Used: 6845.20MB | Percent: 41.9%
Process Memory used in loop: 559.52MB
Available memory in loop: 9309.36MB | Used: 7033.48MB | Percent: 43.0%
Process Memory used in loop: 637.05MB
Available memory in loop: 9301.00MB | Used: 7041.85MB | Percent: 43.1%
Traceback (most recent call last):
  File "optimization_test.py", line 7, in <module>
    f1.mergePointClouds(paths, "someShiet.las")
  File "C:\Users\viddie\Desktop\git\GeoLeo\geoleo\pointcloud.py", line 175, in mergePointClouds
    pointsCombined = np.append(pointsCombined, otherPoints)
  File "C:\Users\viddie\AppData\Local\Programs\Python\Python36-32\lib\site-packages\numpy\lib\function_base.py", line 5166, in append
    return concatenate((arr, values), axis=axis)
MemoryError

如果有人知道这个问题的原因，任何帮助都将不胜感激。

- viddie

---

请注意，错误出现在concatenate调用中。 np.append只是一个覆盖函数，它只接受2个数组。 concatenate接受整个数组列表。 在任何情况下，每次调用都会创建一个全新的数组。 它不像列表附加一样就地修改基础。 通常我们建议将数组收集到列表中，并在最后执行一个concatenate。 通常这样更快。 我不能说它是否会避免ME-对于大数据，这种情况迟早会发生。 - hpaulj

有了那个dtype，你就有了一个带有多个字段的一维结构化数组。itemsize给出了每个记录的大小（大约为4*12字节）。正如你发现的那样，当你连接这些数组时，它们都必须具有相同的复合dtype。 - hpaulj

有几种存储数组到磁盘的内存映射方法，但我让其他人处理那部分。 - hpaulj

从您路径中的 Python36-32 看来，您正在使用 32 位版本的 Python。在这种情况下，您的可用内存是无关紧要的，因为 Windows 只会分配比 32 位应用程序所需的内存少得多的内存。（请参见此帖子） - eaglesear

Answer 1

如果操作实际上不适合内存，您可以将部分硬盘用作内存。

对于Windows

或者您可以在Ubuntu上使用交换空间。

也许先从这个开始，直到您能够找出如何减少内存消耗。或者至少这可以通过确保您确实拥有足够的内存来帮助您进行故障排除。

- Chris Farr