Python 3.x 将大量图像从内存流到Keras生成器

我试图用大量的图片和标签来训练keras模型。我想使用model.fit_生成器，以某种方式将输入图像和标签从内存中流出来，因为我们在加载图像后在内存中准备所有数据。问题是，我们有大量的大图像，然后我们剪辑成更小的尺寸，并提供给模型。我们需要一个While循环中的for循环。 大概是这样的：

为True时：
对于文件中的文件：#假设有500个文件（图像）
image=ReadImage（文件）
X=准备图像（图像）#在这里它被切割并准备成特定的形状
Y=标签
产量X[批次开始：批次结束]，Y[批次开始：批次结束]

在生成第一个图像的最后一批后，我们需要在for循环中加载下一个图像，准备数据并在同一时间再次生成。对于第二个时代，我们再次需要所有的图像。这里的问题是，我们在内存中准备了所有内容，从一张图像开始，我们创建数百万个训练数据，然后移动到下一张图像。我们无法将所有数据写入磁盘并从目录中流出，因为这需要大量的磁盘空间

---

有什么提示吗？

不知道你在问什么。您在自己的questoin中对解决方案进行了编码。该代码将为培训提供X[批处理开始：批处理结束]和Y[批处理开始：批处理结束]，for循环将加载第二个映像并提供批处理开始+批处理大小：批处理结束+批处理大小，即使它没有完成第一个映像和所有批处理。此外，我们如何在培训前将X、Y分解为培训和测试数据？