我正在尝试构建一个模型，该模型的输入和输出（掩码）都是图像。由于数据集的规模和我的内存限制，我尝试使用了Keras文档中介绍的生成器方法：

# 提供相同的种子和关键字参数给fit和flow方法seed = 1image_generator = image_datagen.flow_from_directory(    'data/images',    class_mode=None,    seed=seed)mask_generator = mask_datagen.flow_from_directory(    'data/masks',    class_mode=None,    seed=seed)# 将生成器组合成一个，生成图像和掩码train_generator = zip(image_generator, mask_generator)model.fit_generator(    train_generator,    samples_per_epoch=2000,    nb_epoch=50)

一切似乎都正常工作，直到代码运行到这一行时：

train_generator = zip(image_generator, mask_generator)

看起来将这两个列表进行zip操作会显式地生成它们的内容，系统开始消耗大量RAM，直到内存耗尽。

使用生成器的目的是为了避免内存耗尽，而这段代码却恰恰相反地在做这件事。

有什么方法可以解决这个问题吗？

回答：

你可以使用itertools.izip()来返回一个迭代器而不是列表。

itertools.izip(*iterables)创建一个迭代器，从每个可迭代对象中聚合元素。与zip()类似，但它返回一个迭代器而不是列表。用于同时对多个可迭代对象进行锁步迭代。