Python 在数组中导入数据集时google colab内存不足

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

导入图像数据集的我的代码：

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)

---

有两种可能的方法可以避免RAM错误：

第一个选项：将图像大小调整为较小的大小

导入cv2
列车_数据=[]
对于已排序的img（glob.glob（“path/*.jpg”）：
image=mpimg.imread（img）
image=np.array（image，dtype='float32'）
图像=cv2。调整大小（图像，（150150））
图像/=255。
列车附加数据（图像）
列车数据=np.数组（列车数据）

第二种选择：您可以使用生成器，它比迭代器消耗更少的内存，因为它不存储整个列表

Train_data=[]
def gen_图像（）：
对于已排序的img（glob.glob（“path/*.jpg”）：
image=mpimg.imread（img）
image=np.array（image，dtype='float32'）
图像/=255。
产量图像
对于gen_images（）中的图像：
列车附加数据（图像）

非常感谢您的精彩回答。我试试发电机，没问题。但是，当我尝试以下代码时，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

---

有人能比较一下这段代码和我第一段使用append的代码的空间复杂度吗？

尝试使用生成器。