Python 3.x 如何在不让我的电脑冻结的情况下加载一堆图像进行深入学习

我有一堆tiff图像，我的目标是将这些图像加载到numpy数组中，以便在python 3中的keras模型中使用它。问题是，当我将图像转换为数组时，我的计算机冻结了。我首先尝试将图像转换为数组，并以HDF5格式保存所有图像，现在我尝试只保存1000个图像，然后使用gc.collect（）函数释放一些内存，然后执行相同的过程，直到没有图像，但它也不起作用

---

因此，我想知道一种有效的方法，将这些图像输入到我的模型中。我这里有大约50000张图片。您能帮助我吗？

我认为您可以使用Tensorflow数据管道高效地加载和使用图像。下面是一个可能对您有用的示例脚本。阿苏

files = tf.data.Dataset.list_files('./*.tiff') # need to change path to point image directory
images = files.map(lambda f: tf.io.read_file(f))
images = images.map(lambda image: tf.io.decode_jpeg(image))

如果您想进行任何预处理，以下内容可能会对您有所帮助。 您可能需要洗牌、重复、批处理数据集

---

有关更多信息，请查看

中的tf.data页面，谢谢您的回答，但它不起作用，解码后的张量是。我认为它可能不起作用，因为tensorflow不支持tiff图像。

images = images.map(lambda image: tf.cast(tf.image.resize(image, (128, 128)), tf.uint8))
images = images.map(lambda image: tf.cast(image, tf.float32) / 255)