使用python操作HDF5文件
- 2021 年 11 月 9 日
- 筆記
Hierarchical Data Format，又稱HDF5
-
一個HDF5文件是一種存放兩類對象的容器：dataset和group. Dataset是類似於數組的數據集，而group是類似文件夾一樣的容器，存放dataset和其他group。在使用h5py的時候需要牢記一句話：groups類比詞典，dataset類比Numpy中的數組。
-
-
HDF5 文件一般以 .h5 或者 .hdf5 作為後綴名，需要專門的軟體才能打開預覽文件的內容。HDF5 文件結構中有 2 primary objects: Groups 和 Datasets。
-
每個 dataset 可以分成兩部分: 原始數據 (raw) data values 和 元數據 metadata (a set of data that describes and gives information about other data => raw data)。對於每一個dataset 而言，除了數據本身之外，這個數據集還會有很多的屬性 attribute,。在hdf5中，還同時支援存儲數據集對應的屬性資訊，所有的屬性資訊的集合就叫做metadata.
-
安裝：
pip install h5py
對於數據集需要: 先創建h5文件,再去讀h5文件 將dataset放在group里利用group進行層次嵌套.
1 f = filename.file得到文件的根目錄 2 f.create_group("...../group_name") 3 f.create_dataset("...../dataset_name")
一般:
-
HDF5格式文件保存的是 ： Model weights(字典,沒有順序)
-
JSON 和 YAML 格式文件保存的是： Model structure(順序靠json描述)
-
h5格式:可以同時保存weights和structure
利用numpy數據初始化
1 #還可以直接用np數組給dataset初始化,此時data就涵蓋了shape和dtype,即shape = data.shape,.... 2 arr = np.arange(100) 3 dset = f.create_dataset("/mydataset1",data = arr)#i4:32位的integer[-2^31,2^31]
數據處理上的用途
利用python的文件操作及數組等方式將訓練數據及測試數據集標籤,按數據劃分方法,將文件名寫入到python數組,最終將這些處理好的數組寫入hdf5格式文件給dataset初始化.
示例
1 import h5py 2 import numpy as np 3 coco = h5py.File("D:/annot_coco.h5","r")#coco.name == / 根節點 4 # print(coco) 5 # print(coco["bndbox"]) 6 #只是遍歷直接相連的一級節點 7 for name in coco: 8 # 本身就是字元串 9 print(coco[name]) 10 print(coco[name][:2]) 11 12 # def printname(name): 13 # print(name) 14 # 15 # 16 # 17 # #遍歷整個coco下的節點 18 # coco.visit(printname) 19 #dataset.attrs 20 #dataset對象可以有自己的屬性, 但所有屬性數據的長度加起來不能超過64K, 包括屬性名字. 21 22 dset.attrs['length'] = 100 23 dset.attrs['name'] = 'This is a dataset' 24 for attr in dset.attrs: 25 print attr, ":", dset.attrs[attr] 26 length : 100 27 name : This is a dataset
注意:
1 imgname_array = coco["imgname"][:]#不一樣的,這是標準用法,還是要先取到全部,再去索引,否則結果維度不一樣 2 # imgname_ = coco["imgname"][:1]#軸不會減少 3 # print(imgname_array.shape) 4 # print(imgname_)#[1,16] 5 # print(type(imgname_dataset)) 6 # print(type(imgname_array)) 7 img = imgname_array[0]
寫字元串到h5文件
1 test_h5 = h5py.File("D:/test.h5","w") 2 imgname = np.fromstring('000000262145.jpg',dtype=np.uint8).astype('float64')#str_imgname------>float64 3 test_h5 .create_dataset('imgname', data=imgname)#變成f8之後就可以直接往h5中寫了 4 test_h5.close() 5 """ 6 最後得出來的矩陣長度是字元串的長度。---1個字元串的長度就是對應編碼的h5向量的長度 7 如果想將多個字元串拼成一個大的numpy矩陣，寫到h5文件中，必須先將字元串轉換成相同長度。 8 通常的做法是在字元串後面補上\x00。 9 """
從h5數據讀出字元串格式
1 test_h5 = h5py.File("D:/test.h5","r") 2 img = test_h5['imgname'][:] 3 img = img.astype(np.uint8).tostring().decode('ascii') 4 print(img) 5 test_h5.close()
