Блог

У меня огромное количество массивов numpy, которые не помещаются в оперативную память. Допустим, миллионы:

 np.arange(10) 
  

1. Я хочу сохранить их в файловой системе в одном файле, фрагмент за фрагментом.
2. Я хочу прочитать их из файла и передать в мою модель keras с помощью model.fit_generator

Я читал о dask, который работает с большими данными, которые не помещаются в память, но не смог достичь своих целей.

Запишите свои файлы на диск с помощью pickle:

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

Затем создайте список тестовых и обучающих файлов и создайте генератор:

 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)
  

Наконец, вызовите 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)