我可以用32bit和numpy做特征脸吗？

问题描述

| 我目前正在尝试使用numpy实现本征面，但是似乎无法与我的32位Linux系统配合使用（我之所以使用32位，是因为以前对Flash和Java在64位中的支持很差，我的处理器是64位……），因为尝试将两者相乘时获得矩阵的向量（向量*转置向量）numpy给了我

ValueError: broadcast dimensions too large.

我读到这是由于内存太少，可以用64位解决。有什么办法可以避免这种情况？矩阵将是528000 * 528000元素。根据我的论文，协方差矩阵需要这个大矩阵（将所有这些巨大的矩阵求和，然后除以矩阵数）。 我的代码看起来像这样（无论如何我都不明白为什么numpy给我一个矩阵，因为就我的矩阵知识而言，它看起来是错误的（水平*垂直），但是它可以处理较小的示例）：

tmp = []
for face in faces: # just an array of all face vectors (len = 528000)
    diff = np.subtract(averageFace,face)
    diff = np.asmatrix(diff)
    tmp.append(np.multiply(diff,np.transpose(diff)))
C = np.divide(np.sum(tmp,axis=0),len(tmp))

    

解决方法

        正如ѭ2所阐述的那样，试图产生如此巨大的协方差矩阵实际上是不可行的。 但是请注意，

phi* phi^T

和

phi^T* phi

的特征向量（在您的drexel链接中有解释）是相关的，这是使问题更易于管理的关键。在Eigenface中查看有关此主题的更多信息。