计算巨大的稀疏矩阵的点积期间的MemoryError

Question

假设以下情况：我得到了一个双模式网络的邻接矩阵，其中一个维度表示某些项目（帖子），而其他标签则出现在每个项目下。现在，我想折叠该两种模式的网络，以获得一个单项间关系的单模式网络，其中每个链接的值代表两种项目的共享标签数。可以通过以下简单的矩阵乘法来实现：

或在代码中

from scipy.sparse import csr_matrix, save_npz, load_npz

# load matrix
tpm = csr_matrix(load_npz('tag_post_matrix.npz'))

# compute dot product
cn = tpm.transpose().dot(tpm)

# save result
save_npz('content_network_abs.npz', cn)

运行一段时间后出现此错误：

---------------------------------------------------------------------------
MemoryError                               Traceback (most recent call last)
<ipython-input-27-10ff98c2505a> in <module>()
----> 1 cn = tpm.transpose().dot(tpm)
      2 save_npz(expand('content_network_abs.npz'), cn)
      3 

/opt/anaconda/lib/python3.7/site-packages/scipy/sparse/base.py in dot(self, other)
    359 
    360         """
--> 361         return self * other
    362 
    363     def power(self, n, dtype=None):

/opt/anaconda/lib/python3.7/site-packages/scipy/sparse/base.py in __mul__(self, other)
    477             if self.shape[1] != other.shape[0]:
    478                 raise ValueError('dimension mismatch')
--> 479             return self._mul_sparse_matrix(other)
    480 
    481         # If it's a list or whatever, treat it like a matrix

/opt/anaconda/lib/python3.7/site-packages/scipy/sparse/compressed.py in _mul_sparse_matrix(self, other)
    500                                     maxval=nnz)
    501         indptr = np.asarray(indptr, dtype=idx_dtype)
--> 502         indices = np.empty(nnz, dtype=idx_dtype)
    503         data = np.empty(nnz, dtype=upcast(self.dtype, other.dtype))
    504 

MemoryError: 

我在执行过程中监视了RAM，没有任何异常观察（我有足够的内存：〜1TB）。

初始矩阵有〜24000000个非零条目（非常稀疏），我希望结果矩阵也很稀疏。

我对该主题是否有普遍的误解，或者代码中是否有错误？

谢谢！

Answer 1

尝试增加虚拟内存。 1.5倍的额外VM对我来说更好。