不，警告针对的as_strided是两个问题，实际上与数据大小无关，更多是因写入结果视图而导致的。

1. 首先，没有保护措施来确保view = as_strided(a . . . ) 只指向 中的内存a。这就是为什么在调用 之前要做这么多精心准备工作as_strided。如果您的算法不正确，您很容易指向view中不存在的内存a，而这些内存可能确实被寻址到垃圾、其他变量或您的操作系统。如果您随后写入该视图，您的数据可能会丢失、放错位置、损坏……或导致您的计算机崩溃。

对于您的具体示例，其安全性在很大程度上取决于您使用的输入。您已设置，strides因此它a.strides是动态的。您可能希望assert不是像这样奇怪的东西。dtype``a``object

如果您确定总会有a一个大于的二维数组window，那么您的算法可能就没问题了，但您也可以assert这样做以确保这一点。如果不是，您可能需要确保as_strided输出适用于 nda数组。例如：

shape = a.shape[0] - window + 1, window, a.shape[-1]

应该

shape = (a.shape[0] - window + 1, window) + a.shape[1:]

以便接受 nd 输入。就引用错误内存而言，这可能shape永远不会成为问题，但是如果您有更多维度，则当前将引用错误的数据a。

1. 其次，创建的视图多次引用相同的数据块。如果您随后对该视图进行并行写入（通过view = foo或bar( . . ., out = view)），结果可能不可预测，并且可能不是您所期望的。

也就是说，如果您担心出现问题并且不需要写入视图as_strided（因为在大多数常用的卷积应用程序中您不需要写入视图），您可以随时将其设置为writable = False，即使您的strides和/或shape不正确，这也可以防止出现这两个问题。

编辑：正如@hpaulj 指出的那样，除了这两个问题之外，如果你对 a 做了一些view复制（比如.flatten()或想索引它的一大块），它可能会导致MemoryError。