我在尝试传递一个返回扁平化图像和标签数组的函数，我的操作系统是Windows 10。此外，当我尝试调用该函数时，会出现标题中描述的错误

MemoryError: Unable to allocate 115. GiB for an array with shape (1122, 1122, 12288) and data type float64

我想做的是：我想从带有关键点的DataSet中提取特征，并在函数中使用train_test_split处理我的数据集，但即使我尝试扁平化带有关键点的图像，也会得到这个错误，唯一能扁平化的方式是没有关键点的相同图像。

我尝试的方法如下：

def load_image_files(fullpath, dimension=(35, 35)):    
    flat_data = []    
    orb = cv2.ORB_create(edgeThreshold=1, nfeatures=22)    
    key_points = [cv2.KeyPoint(64, 9, 10),     
    cv2.KeyPoint(107, 6, 10),     
    cv2.KeyPoint(171, 10, 10)]    
    kp, des = orb.compute(imageList, key_points)    
    kparray = cv2.drawKeypoints(imageList, kp, None, flags=cv2.DRAW_MATCHES_FLAGS_DRAW_RICH_KEYPOINTS);     
    img_resized = resize(kparray, dimension, anti_aliasing=True, mode='reflect')    
    img_resized = img_resized.flatten()    
    flat_data.append(img_resized)    
    images.append(flat_data)        
    flat_data = np.array(flat_data)        
    images = np.array(images)        
    return Bunch(data=flat_data,                     
                 images=images)

回答：

在您的函数中，您将所有扁平化的图像追加到一个列表中，这导致了内存错误。相反，您可以使用dask数组来存储它们。dask数组使用硬盘来存储那些太大而无法装入内存的数据。dask是一个类似于sparks的Python库，专为大数据设计。