Python 有没有解决办法可以将keras输入数据的列表发送到numpy数组？

我想在keras上训练一个CNN模型，我的数据如下

type(datain)
<class 'list'>
len(datain)
35000
type(datain[0])
<class 'numpy.ndarray'>
datain[0].shape
(256,256,1)

但是，当尝试执行类似于此处建议的

np.array（datain）

之类的操作时，我的计算机冻结/崩溃。使用python list定义我的输入总共需要60秒，但是如果我从一开始就尝试使用numpy数组，但是每个

（256256,1）

数组需要1秒，如果我打算对我的网络进行各种测试和修改，那么时间太长了，
这个问题有解决办法吗？
有没有办法使用KERA列表？
定义numpy数组的另一种方法？

---

还是我误解了什么？

根据您的数据创建生成器

生成器是一个python概念，它循环并产生结果。对于KERA，您的生成器应无限期地生成批量的
X\u列
和
y\u列

因此，您可以制作一个简单的生成器：

def generator(batch_size,from_list_x,from_list_y):

    assert len(from_list_x) == len(from_list_y)
    total_size = len(from_list_x)

    while True #keras generators should be infinite

        for i in range(0,total_size,batch_size):
            yield np.array(from_list_x[i:i+batch_size]), np.array(from_list_y[i:i+batch_size])

在培训中使用发电机：

model.fit_generator(generator(size,datain,dataout),
                    steps_per_epoch=len(datain)//size, 
                    epochs=...,...)

从数据创建生成器

生成器是一个python概念，它循环并产生结果。对于KERA，您的生成器应无限期地生成批量的
X\u列
和
y\u列

因此，您可以制作一个简单的生成器：

def generator(batch_size,from_list_x,from_list_y):

    assert len(from_list_x) == len(from_list_y)
    total_size = len(from_list_x)

    while True #keras generators should be infinite

        for i in range(0,total_size,batch_size):
            yield np.array(from_list_x[i:i+batch_size]), np.array(from_list_y[i:i+batch_size])

在培训中使用发电机：

model.fit_generator(generator(size,datain,dataout),
                    steps_per_epoch=len(datain)//size, 
                    epochs=...,...)

这可能对计算机内存来说太多了。使用生成器。生成器是什么意思？请确定，首先尝试少量数据，如
np_data=np.array（datain[：100]）
，然后查看错误是否仍然发生。好的，使用100，我的计算机没有冻结，我的网络开始训练这可能会占用您计算机的内存太多。使用生成器。你说的生成器是什么意思？只是为了确定，先尝试少量数据，比如
np_data=np.array（datain[：100]）
，然后看看错误是否仍然发生。好的，使用100，我的计算机没有冻结，我的网络开始训练