特征集矩阵太大，内存不够，提取不了

问题遇到的现象和发生背景

在提取语音数据特征时，一条语音数据.wav特征为（M，N）维，再创建一个(n,M,N)的矩阵来存放n条语音特征集，但是这样操作存在一个问题就是这样得到的矩阵太大

问题相关代码，请勿粘贴截图

audio_duration = 3
sampling_rate = 44100
input_length = sampling_rate * audio_duration
n_mfcc = 20
data_sample = np.zeros(input_length)
MFCC = librosa.feature.mfcc(data_sample, sr=sampling_rate, n_mfcc=n_mfcc)
audios = np.empty(shape=(128, 255, 50000, 1), dtype='float32')
emotion_labels = []
counter = 0
for file in glob.glob("E:/ser0002///*.wav"):
file_name = os.path.basename(file)
emotion_labels.append(file_name.split("-")[2])
emotion = emotions[file_name.split("-")[2]]
signals, sample_rate = librosa.load(file, res_type='kaiser_fast', sr=22050 * 2)
signals, index = librosa.effects.trim(signals, top_db=25) # 移除开始和结尾的静音
signals = signal.wiener(signals)

运行结果及报错内容

我的解答思路和尝试过的方法

（1）有没有什么办法是，读一条就存一条最后把6000条都存起来
（2）使用keras 提供的 DataGenerator，DataGenerator只是把特征集分批次的送入模块，而我的特征集还没有提出来

用代码快提交代码

参考下这个
https://www.jb51.net/article/200061.htm

你这也太大了吧，我以前也遇到过类似的，
我一开始的想法是改变数据类型，但是作用不大，然后就是将数据分批计算，然后存起来，最后再合并起来，要麻烦不少，我是花了好长时间才解决，不过我感觉这样解决问题实属是下下策