最近遇到這個(gè)問題，上網(wǎng)查+問同學(xué)，基本解決方法：keras，Pipeline,TFrecord，批次讀取訓(xùn)練

先看第一個(gè)，keras，可能需要改網(wǎng)絡(luò)什么的，不太想改（先挖個(gè)坑，以后學(xué)一下keras，小白一只，勿怪）

第二個(gè)，pipeline，聽起來高大上也很專業(yè)，上網(wǎng)搜羅了一堆資料：
https://www.cnblogs.com/zyly/p/8982335.html
https://blog.csdn.net/chenghtao/article/details/82110434
https://www.jianshu.com/go-wild?ac=2&url=http%3A%2F%2Fwiki.jikexueyuan.com%2Fproject%2Ftensorflow-zh%2Fhow_tos%2Fthreading_and_queues.html
http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/reading_data.html
https://www.jianshu.com/p/12b52e54a63c
https://blog.csdn.net/guo1988kui/article/details/83896745
https://blog.csdn.net/west_609/article/details/78608541
（但是有點(diǎn)復(fù)雜，難理解，先挖個(gè)坑，以后學(xué)一下）

第三個(gè)：
TFrecord
https://blog.csdn.net/chenghtao/article/details/82110434
問題描述：利用tensorflow進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練，當(dāng)數(shù)據(jù)集較小或者內(nèi)存足夠大時(shí)，通常的做法是將全部數(shù)據(jù)集加載到內(nèi)存里，然后再將數(shù)據(jù)集分批feed給網(wǎng)絡(luò)進(jìn)行訓(xùn)練(一般配合yield使用效果更佳)。但是，當(dāng)數(shù)據(jù)集大到內(nèi)存不足以全部加載進(jìn)來的時(shí)候，必須尋找新的加載數(shù)據(jù)的方法。
解決辦法：
可以嘗試使用tensorflow提供的隊(duì)列queue，訓(xùn)練時(shí)從文件中分批讀取數(shù)據(jù)。這里選擇tensorflwo內(nèi)定的標(biāo)準(zhǔn)格式TFRecord.

最后：在知乎上找到一個(gè)回答
https://zhuanlan.zhihu.com/p/35866604

解決思路其實(shí)說來也簡單，打破思維定式就好了，不是把所有圖片讀到內(nèi)存中，而是只把所有圖片的路徑一次性讀到內(nèi)存中。

大致的解決思路為：

將上萬張圖片的路徑一次性讀到內(nèi)存中，自己實(shí)現(xiàn)一個(gè)分批讀取函數(shù)，在該函數(shù)中根據(jù)自己的內(nèi)存情況設(shè)置讀取圖片，只把這一批圖片讀入內(nèi)存中，然后交給模型，模型再對這一批圖片進(jìn)行分批訓(xùn)練，因?yàn)閮?nèi)存一般大于等于顯存，所以內(nèi)存的批次大小和顯存的批次大小通常不相同。

總結(jié)

以上是生活随笔為你收集整理的数据量太大，内存不够怎么办？的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。