我的问题很简单；我找不到可以回答它的资源。有点类似的链接使用 asarray，一般来说，这里是最简洁的一个。
如何“计算”将 numpy 数组加载到 RAM 中的开销（如果有任何开销）？或者，如何确定将所有数组保存在内存中所需的最少 RAM 量（无需耗时的反复试验）？
简而言之，我有几个 shape 的 numpy 数组(x, 1323000, 1)，其中 x 高达6000. 这导致最大文件的磁盘使用量为 30GB。
所有文件一起需要50GB。因此，如果我使用略多于50GB 的 RAM（使用 Kubernetes）就足够了吗？我想尽可能高效地使用 RAM，所以100不能只使用 GB。