列表理解中的 Numpy 数组划分导致大量 RAM 膨胀？

如何解决列表理解中的 Numpy 数组划分导致大量 RAM 膨胀？

我刚刚在列表理解中遇到了除法问题，我不确定如何解决它，而且我也很好奇为什么会发生这种情况。

我有一个包含 30 张图片的文件夹，总共 300MB（每个大约 12MB）

以下代码很好，加载图像没有问题：

import cv2

image_ids = [...] # contains the image names
images = [cv2.imread('data/' + id) for id in image_ids]

这消耗了大约 0.5GB 的内存，这仍然是相当多的开销，但也是合理的。 但后来我尝试了这段代码：

import cv2

image_ids = [...] # contains the image names
images = [cv2.imread('data/' + id) / 255.0 for id in image_ids]

这个简单的修改导致 RAM 从 Python 的 1GB RAM 飙升到 5GB RAM。 我怎样才能以一种不会在内存中造成这么多垃圾的方式来做到这一点，为什么会发生这种情况？

事后我也尝试使用 gc.collect() 但它没有清除任何内存。