技術標籤：DeepLearningpython深度學習

文章目錄

• 前言
• 一、h5py是什麼？
• 二、建立h5檔案
• • 1.引入庫
  • 2.構建函式
• 三、h5py的讀取
• 總結

前言

提示：以下內容僅做參考：
本文是針對圖片資料集的製作，把影象資訊用h5py庫來儲存。
有錯誤或者有不足請在評論區指出，我會積極改正，十分感謝。

一、h5py是什麼？

h5py存放兩類資料，一種是datasets，一種是group。datasets是一種陣列類資料，和numpy差不多。group（組），類似字典。
若想要具體瞭解，請參考官網https://docs.h5py.org/en/latest/index.html

二、建立h5檔案

1.引入庫

程式碼如下（示例）：

import os
import numpy as np
import cv2
import h5py

2.構建函式

程式碼如下（示例）：

print(data.head())def save_image_to_h5py(path):
    img_list = []
    label_list = []
    dir_counter = 0                  #TwoClass裡有兩個資料夾，有兩類，分別為0,1   dir_counter就為了來方便後面label
                                     #如果你的label不是0
 
,1，是其他或者例如cat，dog類，這裡	   也可以不用它，後面直接用檔名做label
    for child_dir in os.listdir(path):
        child_path = os.path.join(path,child_dir)

        for dir_image in os.listdir(child_path):                        #遍歷二級檔案每個圖片並append資訊進陣列
            img = cv2.imread(os.path.join(child_path,dir_image))
            img_list.
 
append(img)
            label_list.append(dir_counter)

        dir_counter += 1

    img_np = np.array(img_list)

    label_np = np.array(label_list)
    print('資料集標籤順序：\n',label_np)            #這裡我列印了label資訊，其對應圖片資訊，前6張為0，後9張為1
                                                 #所以標籤會是[0 0 0 0 0 0 1 1 1 1 1 1 1 1 1 ]

    #'a' ，如果已經有這個名字的h5檔案存在將不會開啟，目的為了防止誤刪資訊。
    #‘w' ，如果有同名檔案也能開啟，但會覆蓋上次的內容。
    with h5py.File('datasets/cat_or_not.h5','a') as f:
        f.create_dataset('training_cat',data = img_np)              #建立兩個資料集，分別為training_cat
        f.create_dataset('training_label',data = label_np)          #和training_label的陣列集

        f.close()

我在註釋中已經寫的很詳盡了，如果還有懂的我在評論區回覆。

三、h5py的讀取

with h5py.File('datasets/cat_or_not.h5',"r") as f:
    for key in f.keys():
        print(f[key],key,f[key].name)
    f.close()

直接上程式碼，這個和c語言讀取檔案有相似之處。讀取的內容可以看下：

總結

h5py的建立和讀取都不難，只要稍微一看都能懂，在此附上原始碼，只要你們稍微花那麼點時間看看，很容易懂。https://github.com/Confused-Pig/CreateH5File
以上就是今天要講的內容，本文僅僅簡單介紹了h5py的使用，僅懂它不難，但是要學會用它。在深度學習中很多地方都要用它，用上兩次就熟悉了。github裡的原始碼很容易懂，我裡面放了幾張圖片，儲存的是他們的畫素，你們實在不懂的就去執行一下，結合執行結果來看，就很容易了。