我的模型将 4 个数组作为输入，并通过以下方式使用标准 keras 拟合函数进行训练：
model.fit([train[0],train[1],train[2],train[3]], train_labels)
这 4 个数组具有相同的维度，实际上它们是可以互换的。 字典“train”被加载到 RAM 中。 为了克服严重的过度拟合并提高模型的性能，我想将数据集增强 24 倍，即 [1,2,3,4] 的所有可能排列数的 24。 此外，我想以一种节省空间的方式来做：不要将它写入磁盘，然后在训练模型时加载它。 我可以不在数据集上使用 itertools.permutations，因为我无法承受在 RAM 中拥有比起始数据集大 24 倍的数据集。 有没有办法使用某种自定义数据生成器来做到这一点？