在计算巨大稀疏矩阵的点积时出现内存错误。

Question

假设有以下情况。我得到一个双模网络的邻接矩阵，其中一个维度代表一些项目（帖子），另一个维度代表每个项目下的标签。现在我想把这个二模网络进行折叠，以得到一个项目与项目关系的单模网络，其中每个链接的值代表两个项目的共享标签数。这可以通过一个简单的矩阵乘法达到，如下图。

或者在代码中:

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)

在运行一段时间后会出现这个错误。

---------------------------------------------------------------------------
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: 

我在执行过程中监控了RAM，没有任何特别的观察（我有足够的内存：~1TB）。

初始矩阵有大约2400万个非零条目（非常稀疏），我希望结果矩阵也是相当稀疏的。

我是否对这个主题有一个普遍的误解，或者是代码中的某个地方有错误？

先谢谢你

Answer 1

尝试增加虚拟内存。1.5倍的额外虚拟机对我来说效果更好。