Python：如何保持一个大的numpy数组浮点数相对较小？

Question

我通过使用cv2包读取许多图像而创建了一个numpy数组。我以灰度读取图像，因此像素值从0到255，在这种情况下，数据的类型是uint8。这意味着每个数据元素的大小为1个字节。我使用每个图像创建一个列表，然后想要将数组列表转换为数组数组。之后，我需要将这些数据提供给模型，但模型需要图像像素值在1和0之间浮动。现在Python中的每个浮点数为8个字节。所以我尝试使用这个cv2函数转换每个数组

unlabeled_img_array = cv2.normalize(unlabeled_img_array.astype('float'), None, 0.0, 1.0, cv2.NORM_MINMAX)

它可以工作，我可以创建数组列表。当我尝试将数组列表转换为数组数组时出现问题：

unlabeled_img_array_arrays = np.array(unlabeled_img_list_arrays)

然后我得到一个内存错误，显然是因为矩阵太大了。如果我使用数据类型uint8进行，则没有错误。

我的问题是。有没有办法解决这个问题，还是我必须坚持使用uint8而不是浮点值？

编辑：

我也试过用这个

cv2.normalize(unlabeled_img_array.astype(np.float16), None, 0.0, 1.0, cv2.NORM_MINMAX)

但它给了我这个错误

TypeError: src data type = 23 is not supported

有没有办法让数组浮动16？也许这会缩小尺寸。虽然我不确定该模型是否会接受它。

Answer 1

你可以尝试'float16'而不是'float'，这样可以节省3/4的内存。