我在python中遇到内存使用问题，但还没有找到令人满意的解决方案。
问题很简单：
我将图像集合为形状(n_samples, size_image)的numpy数组。我需要以相同的方式切割每个图像，并将这些切片一次性提供给分类算法。
如何在不重复内存中的数据的情况下获取numpy数组切片？
天真地，因为切片很简单＆＃34;视图＆＃34;对于原始数据，我假设必须有一种方法来进行切片而不在内存中复制数据。
在处理大型数据集（如MNIST手写数字数据集）时，这个问题至关重要。
我尝试使用numpy.lib.stride_tricks.as_strided找到解决方案，但很难让它在图像集合上运行。
类似的玩具问题是以对记忆友好的方式对scikit手写数字进行切片。
from sklearn.datasets import load_digits
digits = load_digits()
X = digits.data
X具有形状(1797, 64)，即图片为8x8元素。
窗口大小为6x6时，它将为每个图像提供（8-6 + 1）*（8-6 + 1）= 9个大小为36的切片，从而生成形状sliced_X的数组(16173, 36)。 / p>
现在的问题是，如果不使用太多内存，你如何从X到sliced_X？