报错
numpy.core._exceptions.MemoryError: Unable to allocate 1.45 GiB for an array with shape (13935, 13935) and data type float64
原因
最主要的还是电脑内存不足，因为需要处理的数据量太大，GPU性能不够，存在内存溢出现象
但实际上它保存的不是模型文件，而是参数文件文件。在模型文件中，存储完整的模型，而在状态文件中，仅存储参数。因此，collections.OrderedDict只是模型的值。
解决方案
1.修改float精度
在代码中我使用的是 flaot 64 类型。但是实际上未必需要这么大的精度，这时候可以使用 numpy 中的 float32， float16 等，这样可以降低很多的内存需求。
总之，根据自己的需求选，够用就好，单这个，就可以节省好几倍的内存。
X = np.array(Xc, dtype=np.float16)
源代码：
X = np.array(Xc)
2. python库、Pandas和Numpy库更新为64位
ython原始的数据类型是32位，但是最大只能使用 2G 内存，超过 2G 报错MemoryError。
如果你的Python用的是32位的，那么你的pandas和Numpy也只能是32位的，那么当你的内存使用超过2G时，就会自动终止内存。而 64bit python则无此限制，所以建议使用 64bit python。
解决方法就是：检查自己安装的python是多少位的，CMD输入python，如果是32位，那么就重装64位的Python。
如果你的python本来安装的就是64位的，可以采用下面的方法！
3. 扩充虚拟内存
在运行代码的过程中发现，内存其实只用到了一半不到，但是为什么会出现Memory的错误呢？
进过百度发现说是内存被限制了，所以考虑采用扩大虚拟内存的方法。
扩大虚拟内存的方法：
- 打开 控制面板；
- 点击 系统 这一项；
- 点击 高级系统设置 这一项；
- 点击 性能 模块的 设置 按钮；
- 选择高级面板，点击更改 虚拟内存 模块；
- 记得 不要选中“自动管理所有驱动器的分页文件大小”，然后选择一个驱动器，也就是一个盘，选中自定义大小，手动输入初始大小和最大值，但是不要太大！
- 都设置好之后，记得点击 “设置”， 然后再确定，否则无效，最后 重启电脑 就可以了。
5. 使用python的gc模块
python的垃圾回收机制比较懒惰，有时候在一个for循环中的变量用不完zo不会回收，下次重新初始化的时候，又重新开辟了空间，这时候可以手动del这个变量，然后手动import gc， 然后手动gc.collect()。
————————————————
参考链接：https://blog.csdn.net/muye_IT/article/details/125067419
[1]