如何在VS Code的Jupyter Notebook扩展中提升内存限制？

针对你在VS Code Jupyter Notebook里遇到的内存错误（系统有32GB内存仅用32%却无法分配4.09GiB），以下是适配该场景的解决方案：

1. 检查并切换到64位Python解释器 #

32位Python程序的内存上限约为4GB，哪怕系统内存充足也无法突破。先在Notebook单元格中运行以下代码确认：

import sys
print("是否为64位Python:", sys.maxsize > 2**32)

如果输出False，按以下步骤切换：

• 打开VS Code命令面板（Ctrl+Shift+P），输入Jupyter: Select Interpreter to Start Jupyter Server
• 选择你安装的64位Python环境（通常路径包含Python3x-amd64或类似标识）

2. 调整Jupyter内核的启动参数 #

VS Code的Jupyter扩展可能对内核有默认内存限制，可通过修改启动命令解除：

• 打开VS Code设置（Ctrl+,），搜索jupyter.runStartupCommands
• 添加以下启动命令，放开内存相关限制：

  "jupyter.runStartupCommands": [
      "import sys; sys.setrecursionlimit(1000000)",
      "import numpy; numpy.core.arrayprint._line_width = 1000"
  ]
  

  保存设置后重启Jupyter内核即可生效。

3. 使用内存映射数组绕过内存限制 #

如果不想调整设置，可以用NumPy的memmap将数组存储在磁盘上，按需加载使用，不占用过多内存：

import numpy as np

# 创建内存映射文件，参数可按需调整
shape = (6867151, 20, 4)
dtype = np.float64
large_arr = np.memmap('temp_large_array.npy', dtype=dtype, mode='w+', shape=shape)

# 正常使用数组，比如赋值
large_arr[:] = 0

# 使用完成后可删除临时文件
import os
os.remove('temp_large_array.npy')

4. 降低数据类型减少内存占用 #

如果业务场景允许降低精度，将float64改为float32可直接把内存需求减半（仅需2.04GiB），代码如下：

np.zeros((6867151, 20, 4), dtype=np.float32)

内容的提问来源于stack exchange，提问作者mospira