我試圖將大量 (54K) 的 512x512x3 .png 影像讀取到一個陣列中，然后創建一個資料集并提供給 Keras 模型。我正在使用下面的代碼，但是我收到指向我代碼第四行的 cv2.OutofMemory 錯誤（大約影像 50K...）。我一直在閱讀有關它的一些內容，并且：我使用的是 64 位版本，并且無法調整影像大小，因為它是固定輸入表示。有什么可以從記憶體管理方面做的事情來使它作業嗎？
''' #Images (512x512x3) X_data = [] files = glob.glob ('C:\Users\77901677\Projects\images1\*.png') for myFile in files: image = cv2.imread (myFile) X_data.附加（影像）
dataset_image = np.array(X_data)
# Annontations (multilabel) 512x512x2
Y_data = []
files = glob.glob ('C:\\Users\\77901677\\Projects\\annotations1\\*.png')
for myFile in files:
mask = cv2.imread (myFile)
# Gets rid of first channel which is empty
mask = mask[:,:,1:]
Y_data.append (mask)
dataset_mask = np.array(Y_data)
'''
歡迎任何想法或建議
uj5u.com熱心網友回復：
您可以通過減少一個變數來減少記憶體，因為您目前有 2 倍的陣列。
您可以yield為此使用，從而創建一個生成器，它一次只加載一個檔案，而不是將其全部存盤在輔助變數中。
def myGenerator():
files = glob.glob ('C:\\Users\\77901677\\Projects\\annotations1\\*.png')
for myFile in files:
mask = cv2.imread (myFile)
# Gets rid of first channel which is empty
yield mask[:,:,1:]
# initialise your numpy array here
yData = np.zeros(NxHxWxC)
# initialise the generator
mygenerator = myGenerator() # create a generator
for I, data in enumerate(myGenerator):
yData[I,::] = data # load the data
但是，這對您來說并不是最佳選擇。如果您計劃在下一步中訓練模型，您肯定會遇到記憶體問題。在 keras 中，您還可以實作一個 Keras 序列生成器，它將在訓練階段將您的檔案分批（類似于這個產量生成器）加載到您的模型中。我在這里推薦這篇文章，它演示了它的簡單實作，它是我用于 keras/tf 模型管道的內容。
在為我們的模型提供大量資料時使用生成器是一種很好的做法。
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/337543.html
上一篇：構建用于引數預測的自動編碼器網路