如何使用非常大的数组计算 scikit-learn rbf_kernel() ？
How can I calculate scikit-learn rbf_kernel() with very large array?
使用rbf_kernel()函数时，数组太大，内存有问题，只好分开计算。
from sklearn.metrics.pairwise import rbf_kernel
result = rbf_kernel([[1,1],[2,2],[3,3]], gamma=60) # A data:[1,1] , B data:[2,2], C data:[3,3]
而且 result 看起来像
A B C
A 1 2 1
B 1 1 1
C 1 1 2
但是，如果我插入更大的数据，就会出现内存问题。
result = rbf_kernel([[1,1],[2,2],[3,3],[4,4],[5,5],.... ], gamma=60)
如何在不一次放入所有数据的情况下提取结果？
尝试使用：
l = [[1,1],[2,2],[3,3],[4,4],[5,5], ...]
newl = []
for i in range(0, len(l), 10):
newl.append(rbf_kernel(l[i:i + 10]))
使用rbf_kernel()函数时，数组太大，内存有问题，只好分开计算。
from sklearn.metrics.pairwise import rbf_kernel
result = rbf_kernel([[1,1],[2,2],[3,3]], gamma=60) # A data:[1,1] , B data:[2,2], C data:[3,3]
而且 result 看起来像
A B C
A 1 2 1
B 1 1 1
C 1 1 2
但是，如果我插入更大的数据，就会出现内存问题。
result = rbf_kernel([[1,1],[2,2],[3,3],[4,4],[5,5],.... ], gamma=60)
如何在不一次放入所有数据的情况下提取结果？
尝试使用：
l = [[1,1],[2,2],[3,3],[4,4],[5,5], ...]
newl = []
for i in range(0, len(l), 10):
newl.append(rbf_kernel(l[i:i + 10]))