Power BI中的报告创作是在Power BI Desktop中完成的,该桌面安装在用户的工作站上。Power BI中的报告共享是在Power BI云服务(共享或专用容量)中完成的。这意味着在报告创作和报告共享期间,可以使用不同的资源(即内存、CPU、磁盘),特别是对于数据加载(数据集刷新)。因此,在发布到生产环境(即发布到云服务)之前测试报告的数据加载/ ETL性能似乎是不可能的。而且,通常情况下,云服务中的数据加载性能比桌面中的更快。由于我的报表包含大量数据和转换,因此在Desktop中加载数据可能需要很长时间。如何使Desktop的可用资源与云服务中的资源相同,以便减少Desktop
我加载了一个大约2 2gb的numpy数组,当我试图规范化它的条目时,我得到了内存错误:
import numpy as np
fX = 'train_X.npy'
imgs = np.load(fX)
#normalize
X = (imgs - 128.)
X = X / 255.
X包含10000个rgb图像,因此它的形状为(10012,210,320,3),X.bytes返回2018419200。我使用的是Ubuntu服务器发行版(谷歌云),有14‘t的内存,python和numpy都是64位的,所以我真的看不出有什么问题……有什么想法吗?