① 使用 sys.getsizeof 查看 python 對象的內存佔用
使用 sys.getsizeof 方法可以查看 python 對象的內存佔用，單位：位元組 (byte)
實際上是調用了 __sizeof__ 方法：
有些派喚數據類型告羨談在 Python3 和 Python2 中佔用的內存是不同的，例如 range ：
關於這個值是怎麼算出來的，有待研究～
暫時已知：這個值包括該對象的數值、簽名（包括數據類型、參數、調用方式等）等一系列數據所佔總內存。可變對象所佔內存可能極小，因為對象是襪碰指針，指向很大的數據。
② 一張圖片所佔內存是如何計算的
Bitmap.Config 表示圖片像素類型，包括ALPHA_8、RGB_565、ARGB_4444、ARGB_8888
其中 A表示透明度；RGB分別是Red、Green、Blue，三種原色
1.在不考慮屏幕解析度和res文件夾解析度的情況下：
一張圖片（BitMap）佔用的內存=長 * 寬 * 每個像素點的大小
例如：一張圖片寬1080 ，高 452
那麼，這張圖片的大小按照這個公式應該是：1080 * 452 * 4B = 1952640B ≈ 1.86MB
2.考慮屏幕解析度和res文件夾解析度的情況下：
系統在載入 res 目錄下的資源圖片時，會根據圖片存放的不同目錄做一次解析度的轉換。
新長 = 原長 * (設備的 dpi / 目錄對應的 dpi )
新寬 = 原寬 * (設備的 dpi / 目錄對應的 dpi )
一張圖片（BitMap）佔用的內存= 新長 * 新寬 * 每個像素點的大小
③ 如何釋放Python佔用的內存
1.充分利用內存
任何一種圖像處理軟體對內存的要求都很高，Photoshop也一樣。如果你在使用Photoshop時，沒有使用其它的一些大軟體，這時你就可以將Photoshop佔用內存資源的比例提高。方法是：進行Photoshop，選擇菜單下File\Preference\Memory & Image Cache命令，將Used by Photoshop的比例提高到80%~90%即可。
2.指定虛擬內存
在處理Photoshop時，內存被用完是很正常的，到時會大大影響Photoshop處理圖像的時間，哪將怎麼解決呢？方法是：你可以用硬碟來作為內存來使用，也就是常說的虛擬內存。請選擇菜單下「File\Preference\Plug-Ins & Scratch Disks」命令。在這里的Scratch Disks下，你可以在硬碟上指定四個驅動器來作為虛擬內存，軟體默認的虛擬內存是在Windows\temp之下。當第一個虛擬內存被使用光之後，Photoshop會自動去使用第二個Scratch Dsik，這樣就提高了執行速度。
3.釋放內存與硬碟空間
在進行圖像處理時，你所進行的所有操作將會記錄在Photoshop的History（歷史記錄）工作板中。這些操作包括：復制到Clipboard（粘貼板）、Undo（恢復）、Pattern（填充物）、Histories（記錄）等幾種，選擇菜單下「Edit\Purge」命令。
進行這些操作之後，Photoshop會將這些圖像和數據保存在內存里，使用該命令後，即將這些被佔用的內存空間釋放出來（RAM：Oh! Freeden）這樣就讓Photoshop有更多的Resource（資源）可用，自然就提高了效率。但注意，如果這些操作佔用的內存比較少時，就沒有必要使用啦！
除此之外，在處理大型圖片時，Photoshop會自動產生一些臨時文件，一般都很大，如果你處理的是一個20MB大小的宣傳畫時，那麼臨時文件可能就是100~150MB。請在Windows\temp或在你設定虛擬內存的驅動器里，將產生的Photoshop臨時文件*.tmp刪除掉。
④ 7種檢測Python程序運行時間、CPU和內存佔用的方法
1. 使用裝飾器來衡量函數執行時間
有一個簡單方法，那就是定義一個裝飾器來測量函數的執行時間，並輸出結果：
import time
from functoolsimport wraps
import random
def fn_timer(function):
@wraps(function)
def function_timer(*args, **kwargs):
t0= time.time()
result= function(*args, **kwargs)
t1= time.time()
print("Total time running %s: %s seconds" %
(function.__name__, str(t1- t0))
)
return result
return function_timer
@fn_timer
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
輸出：Total time running random_sort: 0.6598007678985596 seconds
使用方式的話，就是在要監控的函數定義上面加上 @fn_timer 就行了
或者
# 可監控程序運行時間
import time
import random
def clock(func):
def wrapper(*args, **kwargs):
start_time= time.time()
result= func(*args, **kwargs)
end_time= time.time()
print("共耗時: %s秒" % round(end_time- start_time, 5))
return result
return wrapper
@clock
def random_sort(n):
return sorted([random.random() for i in range(n)])
if __name__== "__main__":
random_sort(2000000)
輸出結果：共耗時: 0.65634秒
2. 使用timeit模塊
另一種方法是使用timeit模塊，用來計算平均時間消耗。
執行下面的腳本可以運行該模塊。
這里的timing_functions是Python腳本文件名稱。
在輸出的末尾，可以看到以下結果：4 loops, best of 5: 2.08 sec per loop
這表示測試了4次，平均每次測試重復5次，最好的測試結果是2.08秒。
如果不指定測試或重復次數，默認值為10次測試，每次重復5次。
3. 使用Unix系統中的time命令
然而，裝飾器和timeit都是基於Python的。在外部環境測試Python時，unix time實用工具就非常有用。
運行time實用工具：
輸出結果為：
Total time running random_sort: 1.3931210041 seconds
real 1.49
user 1.40
sys 0.08
第一行來自預定義的裝飾器，其他三行為：
real表示的是執行腳本的總時間
user表示的是執行腳本消耗的CPU時間。
sys表示的是執行內核函數消耗的時間。
注意：根據維基網路的定義，內核是一個計算機程序，用來管理軟體的輸入輸出，並將其翻譯成CPU和其他計算機中的電子設備能夠執行的數據處理指令。
因此，Real執行時間和User+Sys執行時間的差就是消耗在輸入/輸出和系統執行其他任務時消耗的時間。
4. 使用cProfile模塊
5. 使用line_profiler模塊
6. 使用memory_profiler模塊
7. 使用guppy包
⑤ Python如何獲取圖片長寬等信息
使用PIL模塊,windows安裝包下載:
http://www.pythonware.com/procts/pil/
使用方法
#coding:utf8
#獲取指定圖片的長和寬
fromPILimportImage
img=Image.open("img.jpg")
printimg.size
運行結果:
(52,54)
⑥ Python如何獲取圖片長寬等信息
獲取圖片的長，寬，需要了解你的圖像文件，圖片文件的頭部都是定義好的可以直接讀取，比附bmp格式的直接可以去讀它對應的第幾個位元組，那就是長寬信息。
⑦ python*如何獲取pcie佔用
1、首先需要導入psutil模塊。
2、然後使用【mem.used】調用方法並返回浮點數類型即可獲取系統內存佔用信息。
⑧ python如何查看內存佔用空間
利用psutil模塊，如果沒有直接 pip installpsutil
info=psutil.virtual_memory()
printu'內存使用：',psutil.Process(os.getpid()).memory_info().rss
printu'總內存：',info.total
printu'內存佔比：',info.percent
printu'cpu個數：',psutil.cpu_count()
⑨ python 內存佔用分析工具
pip install memory_profiler
pip install psutil
pip install matplotlib
使用方法
from memory_profiler import profile
@profile(precision=4, stream=open('test.log', 'w+'))
def test(args: List):
...
運行：
python3 test.py
Mem usage:表示執行該行後Python解釋器的內存使用情況
Increment:表示當前行的內存相對於上一行的差異，即自己本身增長了多少，如果減少了則不顯示.
⑩ python 如何計算一個數組所佔的內存
list類似於 Vector
對象和指針數組是分開分配的，數組是在堆上。指針數組的大小是動態分配的，分配的內存肯定要多於實際的。既然是動態分配的，那麼realloc調整大小就會移動數據，復制數據，大量數據還是用鏈表比較好。
dict類似於 Hash table
字典本身默認有元素容量，不夠的才去堆上分配。需要擴容或者收縮，就會動態重新分配內存，重新hash。dict的keys()等調用生成list 如果數量很大，建議用迭代器。