将此浮点数组保存到文本文件中，将创建一个24M文本文件。当您重新加载该文件时，numpy会逐行浏览文件，解析文本并重新创建对象。
我希望这段时间内存使用量会激增，因为numpy在到达文件末尾之前不知道结果数组需要多大，所以我希望至少有24M + 8M +其他使用的临时内存。
这是numpy代码的相关部分，来自
/lib/npyio.py：
# Parse each line, including the first for i, line in enumerate(itertools.chain([first_line], fh)): vals = split_line(line) if len(vals) == 0: continue if usecols: vals = [vals[i] for i in usecols] # Convert each value according to its column and store items = [conv(val) for (conv, val) in zip(converters, vals)] # Then pack it according to the dtype's nesting items = pack_items(items, packing) X.append(items) #...A bit further on X = np.array(X, dtype)
不必担心额外的内存使用情况，因为这只是python的工作方式-
尽管您的python进程似乎正在使用100M内存，但在内部它会保持对不再使用哪些项的了解，并将对其进行重用记忆。例如，如果要在一个程序中重新运行此保存加载过程（保存，加载，保存，加载），则内存使用量不会增加到200M。
