python - MemoryError.无法分配115: 无法为形状为(1122, 1122, 12288)、数据类型为float64的数组分配115. 形状为(1122, 1122, 12288)，数据类型为float64的数组无法分配115.GiB。

我试图通过一个函数来返回一个扁平化的图像和标签数组，我的操作系统是Windows 10。此外，当我尝试调用该函数时，我在标题中描述的错误

MemoryError: Unable to allocate 115. GiB for an array with shape (1122, 1122, 12288) and data type float64

我想做的是：我想从数据集中提取带有关键点的特征，在一个函数内，并对我的数据集使用training_test_split，但即使我尝试扁平化带有关键点的图像，它也会给我带来错误，扁平化的唯一方法是没有关键点的相同图像。

我是这样尝试的。

def load_image_files(fullpath, dimension=(35, 35)):
    flat_data = []
    orb = cv2.ORB_create(edgeThreshold=1, nfeatures=22)
    key_points = [cv2.KeyPoint(64, 9, 10), 
    cv2.KeyPoint(107, 6, 10), 
    cv2.KeyPoint(171, 10, 10)]
    kp, des = orb.compute(imageList, key_points)
    kparray = cv2.drawKeypoints(imageList, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS); 
    img_resized = resize(kparray, dimension, anti_aliasing=True, mode='reflect')
    img_resized = img_resized.flatten()
    flat_data.append(img_resized)
    images.append(flat_data)

        flat_data = np.array(flat_data)
        images = np.array(images)
        return Bunch(data=flat_data,
                     images=images)

在这里，在你的函数中.你正在将所有的扁平化图像追加到一个单一的列表中，这导致了这个内存错误.相反，你可以使用dask数组来存储它们.dask数组使用硬盘来存储数据，这是非常大的，以适应内存.Dask是一个类似于sparks的python库，它已被设计为大数据。