欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

h5文件之深度学习数据集制作

程序员文章站 2024-02-09 11:19:58
every blog every motto: Light tomorrow with today.0. 前言作为深度学习的萌新可能都知道,训练以后的参数保存成h5文件格式,...

every blog every motto: Light tomorrow with today.

0. 前言

作为深度学习的萌新可能都知道,训练以后的参数保存成h5格式文件。那有时候看到训练数据也是h5格式又是为什么呢?
当训练大量数据(图片)时,如果从硬盘加载并预处理,然后传递进网络,这可能是一个非常耗时的过程。
其中从硬盘读取图片会花费大量时间,更可行的方法是将其存在在单个文件中,如HDF5和TFRecord。
其中TFRecord可以参考文章1文章2


本节主要介绍制作自己的H5格式训练数据
说明: 更多关于h5文件介绍,可参考文后链接。

1. 正文

1.1 图片转数组

  1. 如果是普通图片,可直接利用下方代码。
from PIL import Image
img = Image.Open('./1.png')
img_array = np.array(img)
  1. 如果是一张大的遥感影像,
    遥感影像转数组,点我点我

1.2 数组切成小块(patch)

如果上方单张图片就是一个训练样本(patch),可不用切成小块。否则点击下方链接:
对数组进行切割成patch,点我

1.3 数组保存到h5文件中

说明: 不以具体数据说明,仅用少量数据进行展示

import numpy as np
import h5py

file_path = './1.h5'
patches = np.zeros((250, 128, 128, 3))
patches_y = np.zeros(250)

写入文件

with h5py.File(file_path, 'w') as f:
    f['x'] = patches
    f['y'] = patches_y

读取文件
说明: 读取时如果用with ,读取到的数据要在with 内,否组容易出错,具体见附录

f = h5py.File(file_path, 'r')

print(f.keys())
print(f['x'].shape)
print(f['y'].shape)
f.close()

1.3.1 读取文件尝试(附录)

下方打印在with 外面,报错。

# 读取文件
with h5py.File('t.h5','r') as f:
    x_train = f['x']
    y_train = f['y']
print(y_train.shape)

1.3.2 追加数据(附录)

第一次写入

import h5py
import numpy as np

array = np.zeros(250)
arr = np.ones(10)

path = './dataset/w.h5'

# f = h5py.File(path, 'a')
# f['x'] = array

# f.close()

添加新数据

# f = h5py.File(path, 'a')
# f['y'] = arr

# f.close()

参考文献

[1] https://blog.csdn.net/Hero_Never_GIVE_UP/article/details/85006835
[2] https://blog.csdn.net/mzpmzk/article/details/89188968
[3] https://www.jianshu.com/p/ae12525450e8
[4] https://www.jianshu.com/p/19f3ca564644
[5] https://reference.wolfram.com/language/ref/format/HDF5.html
[6] https://blog.csdn.net/u010945683/article/details/79931702
[7] https://blog.csdn.net/chaofanjun/article/details/88850324
[8] https://blog.csdn.net/lsh894609937/article/details/77018622
[9] https://blog.csdn.net/w5688414/article/details/78907180?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase&depth_1-utm_source=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.nonecase
[10] https://blog.csdn.net/weixin_39190382/article/details/106441762
[11] https://blog.csdn.net/weixin_39190382/article/details/104348060
[12] https://blog.csdn.net/w5688414/article/details/86104271

本文地址:https://blog.csdn.net/weixin_39190382/article/details/107059369