我正在计算一个线性系统Ax = b的解决方案，其中A具有一个大的(通常200,000行和相关的密集矩阵的列)稀疏矩阵和ba稀疏矩阵，大约100列。
当我在Windows系统上运行代码(Python2.7，scipy0.14.0)时，以下命令
fromscipy.sparse.linalgimportspsolve...Temp=spsolve(A.tocsc(),b.tocsc())
运行平稳，需要大约7 GB的内存。
在Linux系统上以完全相同的矩阵(完全相同的CPU，相同的RAM内存：64 GB，Linux Mint17.3，python2.7，scipy0.13.3)运行完全相同的代码需要超过20 GB的内存，并且崩溃以下错误消息：
failed with UMFPACK_ERROR_out_of_memory(参见1)
因为此错误是依赖于操作系统的，我排除了关于矩阵的任何问题，一个和b(与所提到的一些解决方案，在这个岗位)，以及我试图找到一个解决具体到Linux ...但我不知道从哪里开始...有人会对发生的事情有任何想法吗？以及为什么这样的问题特定于Linux系统？
请在下面找到完整的错误消息：
Exception in Tkinter callback
Traceback (most recent call last):
File "/usr/lib/python2.7/lib-tk/Tkinter.py", line 1489, in __call__
return self.func(*args)
File "...", line 1533, in mmvConstruction
...
File "...", line 1555, in modes_cb
Temp = spsolve(k[inter][:,inter].tocsc(),k[inter][:,exter].tocsc())
File "/usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/linsolve.py", line 151, in spsolve
Afactsolve = factorized(A)
File "/usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/linsolve.py", line 352, in factorized
umf.numeric(A)
File "/usr/lib/python2.7/dist-packages/scipy/sparse/linalg/dsolve/umfpack/umfpack.py", line 450, in numeric
umfStatus[status]))
RuntimeError: failed with UMFPACK_ERROR_out_of_memory
更新：仍在尝试寻找解决方案...看来Linux Mint上BLAS的最新版本相当老：1.8.2。在Windows上，我使用BLAS 1.9.1。使用test_numpy.py此处提供的文件时：https://gist.github.com/osdf/3842524#file-test_numpy-py我注意到Linux和Windows之间存在非常显着的差异：Linux：版本1.8.2，maxint 9223372036854775807，点：0.76 s -视窗：版本1.9.1，MAXINT 2147483647，点：0037秒。我正在研究Linux上的OPENBLAS是否可以解决此问题...
更新2：我意识到问题可能与硬件有关。确实，一台旧的PC在相同的Linux Mint发行版(Rosa 17.3)上具有完全相同的库，可以提供令人满意的结果。第一次更新中提到的基准在此旧PC上提供了：Linux：版本1.8.2，maxint 9223372036854775807，点：0,054 s。
解决方案
好了，经过深入的研究，我现在确信我遇到的问题与以下事实有关：Linux Mint(Rosa 17.3)可能未针对最新处理器进行优化。
我在帖子更新中提到的比较结果强调该软件安装正确。然后，我在PC上安装了Fedora 23，并按顺序安装：
libblas
蟒蛇
python-scipy
然后，我使用完全相同的矩阵运行了完全相同的代码，并且没有任何问题：RAM消耗限制为大约7 GB，这与Windows系统上观察到的情况类似。
