赞
踩
array_ = np.zeros((10000,10000),dtype='float32') # 默认float64
一般计算上通过numpy得到的16位浮点数,是FP16。
float64占用的内存是float32的两倍,是float16的4倍;比如对于CIFAR10数据集,如果采用float64来表示,需要60000*32*32*3*8/1024**3=1.4G,光把数据集调入内存就需要1.4G;如果采用float32,只需要0.7G,如果采用float16,只需要0.35G左右;占用内存的多少,会对系统运行效率有严重影响;(因此数据集文件都是采用uint8来存在数据,保持文件最小)
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。