我正在寻找使用Python(h5py
)将数据附加到.h5
文件中现有数据集中的可能性。
我的项目简介:我试着用医学图像数据训练CNN。由于数据到NumPy数组转换过程中数据量大,内存占用大,所以需要将“转换”拆分成几个数据块:加载前100幅医学图像并进行预处理,将NumPy数组保存到hdf5文件中,然后加载下100个数据集并追加现有的.h5
文件,等等。
现在,我尝试存储前100个转换后的NumPy数组,如下所示:
import h5py
from LoadIPV import LoadIPV
X_train_data, Y_train_data, X_test_data, Y_test_data = LoadIPV()
with h5py.File('.\PreprocessedData.h5', 'w') as hf:
hf.create_dataset("X_train", data=X_train_data, maxshape=(None, 512, 512, 9))
hf.create_dataset("X_test", data=X_test_data, maxshape=(None, 512, 512, 9))
hf.create_dataset("Y_train", data=Y_train_data, maxshape=(None, 512, 512, 1))
hf.create_dataset("Y_test", data=Y_test_data, maxshape=(None, 512, 512, 1))
可以看到,转换后的NumPy数组被分成四个不同的“组”,这些“组”存储在四个hdf5
数据集[X_train, X_test, Y_train, Y_test]
中。
LoadIPV()
函数执行医学图像数据的预处理。
我的问题是,我想将下一个100个NumPy数组存储到同一个.h5
文件中的现有数据集中:这意味着我想将下一个100个NumPy数组附加到形状[100, 512, 512, 9]
的现有X_train
数据集中,这样X_train
就变成形状[200, 512, 512, 9]
。其他三个数据集X_test
、Y_train
和Y_test
也应该如此。
我找到了一个可行的解决方案!
看看这个:incremental writes to hdf5 with h5py!
为了将数据追加到特定的数据集,必须首先在相应的轴上调整特定数据集的大小,然后在“旧”n数组的末尾追加新数据。
因此,解决方案如下:
但是,请注意,您应该使用
maxshape=(None,)
创建数据集,例如否则无法扩展数据集。
相关问题 更多 >
编程相关推荐