我在编写与Keras中的fit_generator一起使用的data_generator时遇到麻烦。我有一个HDF5文件，该文件具有作为单独数据集存储的4维numpy数组（3-D数据，具有来自处理的额外一维数据）。
每个数据集的格式为（xxx，512，512，1），其中xxx是该特定数据集中的切片数。我有大量数据（500个3-D图像，每个图像有〜300个切片，总计〜50 GB，比我拥有的RAM大得多）。
运行代码时，它显示
第1/250版
，然后ram开始填充，并给出内存错误。我该如何为此编写一个data_generator？我还可以研究其他什么方法？
这是我的代码：
import numpy as np
np.random.seed(0)
N = 10
image = np.random.rand(N, N)
h, w = image.shape
ft = np.fft.rfft2(image)
ft_reference = np.fft.fft2(image)
ft_full = np.zeros_like(image, dtype=np.complex128)
ft_full[:ft.shape[0], :ft.shape[1]] = ft
X, Y = np.meshgrid(range(h), range(w // 2 + 1, w), indexing='ij')
ft_full[X, Y] = ft_full[-X, -Y].conj()
print(np.allclose(ft_full, ft_reference))
我还尝试通过将每个3-D文件保存为单独的numpy数组，从磁盘上随机读取数据，但是会发生相同的情况。