Question

内存错误

我的数据集有70k图像，我想通过Conv2D训练但是当我试图加载数据集时它会引发内存错误。我只有4GB内存，如何通过在HDF5中创建数据集，通过HDF5矩阵解决此问题？然后把它加载到火车上，我猜它会占用更少的内存。我尝试了一些教程来创建HDF5数据集，但这个过程是在发生错误的地方之后发生的。我做错了什么？请问问题是否不清楚。

datagen=ImageDataGenerator(rotation_range=40,
                            width_shift_range=0.2,
                            height_shift_range=0.2,
                          rescale=1./255,
                          shear_range=0.2,
                          zoom_range=0.2,
                          horizontal_flip=True)

batch_size=28
num_classes=37
epochs=100

os.chdir("E:");
path="Dataset/One";
classes=os.listdir(path)
x=[]#Datapoints 
y=[]#labels 
for fol in classes:
    imgfiles=os.listdir(path+u'\\'+fol);
    for img in imgfiles:
        im=Image.open(path+u'\\'+fol+u'\\'+img);
        im=numpy.asarray(im)/255;
        x.append(im)
        y.append(fol)
x=numpy.array(x)
y=numpy.array(y)
#memory error####################################################
x=x.reshape((-1,100,100,1))

n=x.shape[0]
randomize=numpy.arange(n)
numpy.random.shuffle(randomize)
randomize
x=x[randomize]
y=y[randomize]

Answer 1

您的问题是您尝试一次加载所有数据，并且它比您的RAM大得多。您只需加载一个批次并对其进行处理，然后丢弃该批次并继续。一种自然的方法可能是在for fol in classes循环内部 - 将每个fol值视为一个批处理，并一次适合一个批处理。

Answer 2

如果您不需要一次访问或处理所有数据，则可以在chunks中加载。

如果它是csv文件，如果你可以使用pandas，那么你可以这样做：

import pandas as pd
for chunk in pd.read_csv('dataset/movies.csv', chunksize=1000):
    # use this chunk for processing and/or training

希望它有所帮助！

内存错误：训练大型数据集

2 个答案: