标签: numpy memory keras wavelet pyhook
故事 我有一个已成形的ECG信号记录数据集(162个患者,65635个样本),并且得到了这些记录的连续小波变换,因此结果得到了成形(162个患者,65635个样本,80个系数),非常大到足以容纳内存(40 MB),所以我将它们的每个实例另存为.npz矩阵,并在训练中使用了keras生成器,我使用了LSTM,卷积层和CPU,并且训练非常缓慢。
问题
解决此问题的最佳策略是什么?
如何减小cwt导致的系数矩阵的大小?