在单个文件中保存大量 numpy 数组并使用它来拟合 ​​keras 模型

Question

我有大量不适合 RAM 的 numpy 数组。让我们说数百万：

np.arange(10) 

1. 我想将它们逐块保存在文件系统中的单个文件中。
2. 我想从文件中读取它们并使用 model.fit_generator
将它们提供给我的 keras 模型

我阅读了有关 dask 的文章，它可以处理不适合内存但无法实现我的目标的大数据。

Answer 1

使用 pickle 将文件写入磁盘：

pickle.dump((x, y), open(file, "wb"), protocol=pickle.HIGHEST_PROTOCOL)

然后创建测试和训练文件列表并创建生成器：

def raw_generator(files):
    while 1:      
        for file_num, file in enumerate(files):
            try:
                x, y = pickle.load(open(file, 'rb'))                   
                batches = int(np.ceil(len(y) / batch_size))
                for i in range(0, batches):                        
                    end = min(len(x), i * batch_size + batch_size)
                    yield x[i * batch_size:end], y[i * batch_size:end]

            except EOFError:
                print("error" + file)

train_gen = preprocessing.generator(training_files)
test_gen = preprocessing.generator(test_files)

最后调用fit_generator：

history = model.fit_generator(
                generator=train_gen,
                steps_per_epoch= (len(training_files)*data_per_file)/batch_size,
                epochs=epochs
                validation_data=test_gen,
                validation_steps=(len(test_files)*data_per_file)/batch_size,        
                use_multiprocessing=False,
                max_queue_size=10,
                workers=1,
                verbose=1)