numpy.
shares_memory
确定两个阵列是否共享内存。
警告
对于某些输入,此函数的速度可能是指数级的,除非 max_work 设置为有限数或 MAY_SHARE_BOUNDS . 如有疑问,请使用 numpy.may_share_memory 相反。
MAY_SHARE_BOUNDS
numpy.may_share_memory
输入数组
努力解决重叠问题(要考虑的候选解决方案的最大数目)。可识别以下特殊值:
问题完全解决了。在这种情况下,只有当数组之间共享了一个元素时,函数才会返回True。在某些情况下,找到精确解可能需要很长时间。
只检查A和B的内存边界。
超过最大工作。
参见
may_share_memory
实例
>>> x = np.array([1, 2, 3, 4]) >>> np.shares_memory(x, np.array([5, 6, 7])) False >>> np.shares_memory(x[::2], x) True >>> np.shares_memory(x[::2], x[1::2]) False
检查两个数组是否共享内存是NP完全的,并且运行时的维数可能呈指数增长。因此, max_work 通常应设置为有限数,因为可以构造花费很长时间运行的示例:
>>> from numpy.lib.stride_tricks import as_strided >>> x = np.zeros([192163377], dtype=np.int8) >>> x1 = as_strided(x, strides=(36674, 61119, 85569), shape=(1049, 1049, 1049)) >>> x2 = as_strided(x[64023025:], strides=(12223, 12224, 1), shape=(1049, 1049, 1)) >>> np.shares_memory(x1, x2, max_work=1000) Traceback (most recent call last): ... numpy.TooHardError: Exceeded max_work
运行 np.shares_memory(x1, x2) 没有 max_work 在这种情况下,设置大约需要1分钟。有可能发现需要更长时间的问题。
np.shares_memory(x1, x2)