我在TF / Keras中有一个基于U-Net的分割算法，该算法经过训练，可以对3D图像体积（存储为numpy数组）进行2D分割。除了切片编号（例如512x512x50、512x512x200、512,512,12）以外，我的3D图像体积均相同。目前，该算法正在加载所有3D阵列，进行级联，然后在训练期间从巨型512x512xn（总切片数）阵列中批量加载512x512图像...但这会占用过多的内存。
我想使用ImageDataGenerator的{{1}}或flow_from_directory之类的东西在训练过程中按需加载数组，而不是一次加载所有数组，但是我不确定如何这样做我正在处理3D卷，而不是包含2D图像的目录。 flow_from_dataframe是否提供一种类型的批量加载，我可以在其中从具有3D卷的目录批量加载2D切片？
一种低效的解决方法是打开我的所有3D阵列并将其重新保存为单个切片。.但我宁愿避免这种情况。否则，我想我可以构造一个自定义生成器，该生成器使用ImageDataGenerator一次加载一个切片？
任何输入将不胜感激，谢谢