在数组中导入数据集时，谷歌 colab 中的 ram 用完了

Posted 2023-03-16

【中文标题】在数组中导入数据集时，谷歌 colab 中的 ram 用完了

【英文标题】：running out of ram in google colab while importing dataset in array

【发布时间】：2021-07-30 09:58:25

【问题描述】：

我想在一个数组中存储大约 2400 张大小为 2000**2000*3 的图像，以供卷积神经网络使用。但是，由于内存不足，Google Colab 会话不断崩溃。

我的导入图像数据集的代码：

Train_data = []
for img in sorted(glob.glob("path/*.jpg")):
    image= mpimg.imread(img)
    image=np.array(image , dtype='float32') 
    image /= 255.
    Train_data.append(image) 
Train_data = np.array(Train_data)

【问题讨论】：

尝试使用生成器。

【参考方案1】：

非常感谢您的出色回答。我尝试生成器，没关系。但是，当我尝试下面的代码时，我不会面临崩溃：

Train_data =np.empty(shape=(num,m,n,c), dtype=np.float32)
i=0
for img in sorted(glob.glob("path/*.jpg")):
 image= mpimg.imread(img)
 image=np.array(image , dtype='float32') 
 image /= 255.
 Train_data[i,:,:,:] = image  
 i+=1

谁能比较这段代码和我第一个使用 append 的代码的空间复杂度？

【参考方案2】：

有两种方法可以避免 RAM 错误：

第一个选项：将图像调整为较小的尺寸

import cv2

Train_data = []
for img in sorted(glob.glob("path/*.jpg")):
    image= mpimg.imread(img)
    image=np.array(image , dtype='float32') 
    image = cv2.resize(image, (150,150))
    image /= 255.
    Train_data.append(image) 
Train_data = np.array(Train_data)

第二个选项：您可以使用比迭代器消耗更少内存的生成器，因为它不存储整个列表。

Train_data = []

def gen_images():
    for img in sorted(glob.glob("path/*.jpg")):
        image= mpimg.imread(img)
        image=np.array(image , dtype='float32') 
        image /= 255.
        yield image

for image in gen_images():
    Train_data.append(image)