有没有更好的方法来解决MemoryError？

Question

我正致力于深度学习。我正在使用带有张量流后端的Keras，我有36980个图像需要训练。我想使用VGG16，所以我将它们的大小调整为（224 * 224）。因此列车阵列的大小约为22GB（36980 * 224 * 224 * 3 * 4字节）。当我尝试将此数据量加载到numpy数组时，python显示MemoryError。

我曾想过将训练集分成10个部分，并且一次只训练我的模型中的一个。有没有更好的方法来解决这个问题？我使用的是Python 3（64位版本）。

N.B。

• 为了获得良好的准确性，我需要尽可能大的图像，因此我无法将它们调整为更小的尺寸。此外，这里有必要使用RGB图像。
• 请不要fit_generator()解决方案。使用fit_generator()训练的模型在预测时表现异常，至少就我所见。