我正在嘗試創建一個函數來將包含 14,000 張圖像的大型圖像數據集加載到一個變量中，但我遇到了內存 (RAM) 問題。我想做的是類似cifar100.load_data函數的東西，但對我來說不起作用。我定義的函數如下所示：    def load_data():        trn_x_names=os.listdir('data/train_x')        trn_y_names=os.listdir('data/train_y')            trn_x_list=[]         trn_y_list=[]            for image in trn_x_names[0:]:            img=cv2.imread('data/train_x/%s'%image)            img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)            trn_x_list.append(img)                for image in trn_y_names[0:]:            img=cv2.imread('data/train_y/%s'%image)            img=cv2.cvtColor(img,cv2.COLOR_BGR2RGB)            trn_y_list.append(img)                x_train= np.array(trn_x_list)        y_train= np.array(trn_y_list)        return x_train,y_train我首先一張一張地加載所有圖像，將它們添加到相應的列表中，最后將這些列表更改為數組numpy并將它們分配給一些變量并返回它們。但在途中，我遇到了 RAM 問題，因為它占用了我 100% 的 RAM。