读取和保存图像的内存和速度更高效的方式？

Question

我正在训练一个神经网络。因此，我使用下面的代码读取了 182335 个图像（png 文件）。

folders = glob.glob(r'path\to\images\*')
imagenames_list = []
for folder in folders:
    for f in glob.glob(folder+'/*.png'):
        imagenames_list.append(f)
read_images = []        

for image in imagenames_list:
    read_images.append(cv2.imread(image))

在对数据进行一些预处理后，我创建了一个 pandas 数据框并将其保存为一个 pickle 文件：

df.to_pickle(r'data\data_as_pddataframe.pkl')

df.head()

由于图像数量巨大，我有一个相对较大的 pickle 文件 (3GB)。正因为如此，读取该文件需要一些时间，并且还需要大量内存。另外，我准备在 Google Colab 中训练网络时，碰巧 Colab 因为数据量太大而崩溃。

因此，有没有更有效的方法 1. 读取数据和 2. 存储数据帧？

谢谢！

Answer 1

我会这样做：

1. 确保模型的批量大小足够小，以使输入数据和模型参数适合内存。
2. 将图像保存为磁盘上的图像。将非图像数据保存为 Parquet、CSV 或其他格式（不要为此使用 Pickle）。将图像文件名放入表格中。
3. 将数据保存在磁盘上，不要全部加载到内存中。
4. 将非图像数据加载为常规数据框。仅当 SGD 中的批处理需要时才从磁盘加载图像。