如何在有限的内存中进行 numpy 大矩阵相乘优化？

[pypy]

硬件条件：内存 16G，显存 24G。开发语言：Python ；计算库：numpy

一个原始矩阵大小为（ 80000，25088 ），与它自己的转置相乘。运行代码为：

matrix.dot(matrix.T)

1. 直接运行结果报 Memory Error。
2. 尝试将虚拟内存加到 150G，报错：19398 Segmentation fault (core dumped)
3. 尝试将矩阵使用 SVD 降维，报错：init_dgesdd failed init

请教大神还有没有办法，在有限的硬件条件下解决这个问题？

[madeye]

Sparse or Dense?

[madeye]

https://docs.scipy.org/doc/scipy/reference/sparse.html

[srlp]

手动实现分块运算。把一个大矩阵看成四个小矩阵

[pypy]

@madeye 是非稀疏的。可以用随机数生成器来模拟这个矩阵。所以 scipy 的 sparse 可能不适用。

[pypy]

@srlp 谢谢。很不错的建议。只是手动分块后的合并怎么实现呢？