最近遇到這個問題，上網查+問同學，基本解決方法：keras，Pipeline,TFrecord，批次讀取訓練
先看第一個，keras，可能需要改網絡什么的，不太想改（先挖個坑，以后學一下keras，小白一只，勿怪）
第二個，pipeline，聽起來高大上也很專業，上網搜羅了一堆資料：
https://www.cnblogs.com/zyly/p/8982335.html
https://blog.csdn.net/chenghtao/article/details/82110434
https://www.jianshu.com/go-wild?ac=2&url=http%3A%2F%2Fwiki.jikexueyuan.com%2Fproject%2Ftensorflow-zh%2Fhow_tos%2Fthreading_and_queues.html
http://wiki.jikexueyuan.com/project/tensorflow-zh/how_tos/reading_data.html
https://www.jianshu.com/p/12b52e54a63c
https://blog.csdn.net/guo1988kui/article/details/83896745
https://blog.csdn.net/west_609/article/details/78608541
（但是有點復雜，難理解，先挖個坑，以后學一下）
第三個：
TFrecord
https://blog.csdn.net/chenghtao/article/details/82110434
問題描述：利用tensorflow進行神經網絡訓練，當數據集較小或者內存足夠大時，通常的做法是將全部數據集加載到內存里，然后再將數據集分批feed給網絡進行訓練(一般配合yield使用效果更佳)。但是，當數據集大到內存不足以全部加載進來的時候，必須尋找新的加載數據的方法。
解決辦法：
可以嘗試使用tensorflow提供的隊列queue，訓練時從文件中分批讀取數據。這里選擇tensorflwo內定的標准格式TFRecord.
最后：在知乎上找到一個回答
https://zhuanlan.zhihu.com/p/35866604
解決思路其實說來也簡單，打破思維定式就好了，不是把所有圖片讀到內存中，而是只把所有圖片的路徑一次性讀到內存中。
大致的解決思路為：
將上萬張圖片的路徑一次性讀到內存中，自己實現一個分批讀取函數，在該函數中根據自己的內存情況設置讀取圖片，只把這一批圖片讀入內存中，然后交給模型，模型再對這一批圖片進行分批訓練，因為內存一般大於等於顯存，所以內存的批次大小和顯存的批次大小通常不相同。