如何生成HDF5文件

在使用深度學(xué)習(xí)學(xué)習(xí)圖像文件的時(shí)候,如果圖片文件很多瘪菌,比如大幾千張,或者幾萬(wàn)張嘹朗。如果將一個(gè)圖片再接一個(gè)圖片導(dǎo)入到內(nèi)存中师妙,會(huì)極大地拖慢深度學(xué)習(xí)算法運(yùn)行速度。我們都有過(guò)這樣的經(jīng)驗(yàn)屹培,如果將一個(gè)文件夾里面有幾萬(wàn)個(gè)文件的文件夾進(jìn)行復(fù)制默穴,其速度要比將文件夾打包之后復(fù)制速度要慢很多。

為了不讓IO運(yùn)算(將硬件中的圖片一個(gè)一個(gè)導(dǎo)入到內(nèi)存中)成為深度學(xué)習(xí)訓(xùn)練速度無(wú)法提高的一個(gè)瓶頸褪秀,這里來(lái)介紹一種方法蓄诽,就是將很多的文件打包成一個(gè)HDF5的文件格式,最后用深度學(xué)習(xí)算法學(xué)習(xí)的時(shí)候媒吗,直接HDF5文件中導(dǎo)入數(shù)據(jù)就可以仑氛。

HDF5文件介紹

HDF5是一種數(shù)據(jù)存儲(chǔ)格式,特別適合向磁盤(pán)中存取大數(shù)據(jù)的時(shí)候使用闸英。一個(gè)HDF5文件可以被看成一個(gè)組锯岖,包含了不同的數(shù)據(jù)集,數(shù)據(jù)集可以是圖像表格等等自阱。HDF5組結(jié)構(gòu)類(lèi)似于文件系統(tǒng)的目錄層次結(jié)構(gòu)嚎莉,根目錄再包含其他目錄米酬。節(jié)點(diǎn)目錄里存放相應(yīng)的數(shù)據(jù)集沛豌。

在這里插入圖片描述

安裝很簡(jiǎn)單,使用pip

pip install h5py

如何將訓(xùn)練數(shù)據(jù)生成HDF5文件

class HDF5DatasetWriter:
    def __init__(self, dims, outputPath, dataKey="images", bufSize=1000):
        # 如果輸出文件路徑存在,提示異常
        if os.path.exists(outputPath):
            raise ValueError("The supplied 'outputPath' already exists and cannot be overwritten. Manually delete the file before continuing", outputPath)

        # 構(gòu)建兩種數(shù)據(jù)加派,一種用來(lái)存儲(chǔ)圖像特征一種用來(lái)存儲(chǔ)標(biāo)簽
        self.db = h5py.File(outputPath, "w")
        self.data = self.db.create_dataset(dataKey, dims, dtype="float")
        self.labels = self.db.create_dataset("labels", (dims[0],), dtype="int")

        # 設(shè)置buffer大小叫确,并初始化buffer
        self.bufSize = bufSize
        self.buffer = {"data": [], "labels": []}
        self.idx = 0   # 用來(lái)進(jìn)行計(jì)數(shù)

    
    def add(self, rows, labels):
        self.buffer["data"].extend(rows)
        self.buffer["labels"].extend(labels)
        
        # 查看是否需要將緩沖區(qū)的數(shù)據(jù)添加到磁盤(pán)中
        if len(self.buffer["data"]) >= self.bufSize:
            self.flush()

    def flush(self):
        # 將buffer中的內(nèi)容寫(xiě)入磁盤(pán)之后重置buffer
        i = self.idx + len(self.buffer["data"])
        self.data[self.idx:i] = self.buffer["data"]
        self.labels[self.idx:i] = self.buffer["labels"]
        self.idx = i
        self.buffer = {"data": [], "labels": []}

    def storeClassLabels(self, classLabels):
        # 存儲(chǔ)類(lèi)別標(biāo)簽
        dt = h5py.special_dtype(vlen=str)  # 表明存儲(chǔ)的數(shù)據(jù)類(lèi)型為字符串類(lèi)型
        labelSet = self.db.create_dataset("label_names", (len(classLabels),), dtype=dt)
        # 將classLabels賦值給labelSet但二者不指向同一內(nèi)存地址
        labelSet[:] = classLabels

    def close(self):
        if len(self.buffer["data"]) > 0:  # 查看是否緩沖區(qū)中還有數(shù)據(jù)
            self.flush()

        self.db.close()

在這段代碼中,我們定義一個(gè)類(lèi)來(lái)實(shí)現(xiàn)文件的讀取和打包并生成HDF5文件芍锦。

如何讀取HDF5文件用于訓(xùn)練

class HDF5DatasetGenerator:

    def __init__(self, dbPath, batchSize, preprocessors = None, aug = None, binarize=True, classes=2):
        # 保存參數(shù)列表
        self.batchSize = batchSize
        self.preprocessors = preprocessors
        self.aug = aug
        self.binarize = binarize
        self.classes = classes
        # hdf5數(shù)據(jù)集
        self.db = h5py.File(dbPath)
        self.numImages = self.db['labels'].shape[0]
    
    def generator(self, passes=np.inf):
        epochs = 0
        # 默認(rèn)是無(wú)限循環(huán)遍歷竹勉,因?yàn)閚p.inf是無(wú)窮
        while epochs < passes:
            # 遍歷數(shù)據(jù)
            for i in np.arange(0, self.numImages, self.batchSize):
                # 從hdf5中提取數(shù)據(jù)集
                images = self.db['images'][i: i + self.batchSize]
                labels = self.db['labels'][i: i + self.batchSize]
                
                # 檢查是否標(biāo)簽需要二值化處理
                if self.binarize:
                    labels = np_utils.to_categorical(labels, self.classes)
                # 預(yù)處理
                if self.preprocessors is not None:
                    proImages = []
                    for image in images:
                        for p in self.preprocessors:
                            image = p.preprocess(image)
                        proImages.append(image)
                    images = np.array(proImages)

                # 查看是否存在數(shù)據(jù)增強(qiáng),如果存在娄琉,應(yīng)用數(shù)據(jù)增強(qiáng)
                if self.aug is not None:
                    (images, labels) = next(self.aug.flow(images,
                        labels, batch_size = self.batchSize))
                # 返回
                yield (images, labels)
            epochs += 1
    def close(self):
        # 關(guān)閉db
        self.db.close()

在這段代碼中次乓,我們以生成器的形式來(lái)讀取HDF5文件,返回用于訓(xùn)練孽水。

另外票腰,我錄制了一個(gè)視頻用來(lái)演示如何將貓狗大戰(zhàn)數(shù)據(jù)集生成HDF5文件,然后讀取HDF5文件用于進(jìn)行神經(jīng)網(wǎng)絡(luò)訓(xùn)練女气。對(duì)具體如何操作感興趣的杏慰,可以看我這個(gè)視頻了解一下。

對(duì)貓狗圖片數(shù)據(jù)集生成HDF5文件和模型訓(xùn)練

?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末炼鞠,一起剝皮案震驚了整個(gè)濱河市缘滥,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌谒主,老刑警劉巖朝扼,帶你破解...
    沈念sama閱讀 211,743評(píng)論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異霎肯,居然都是意外死亡吟税,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,296評(píng)論 3 385
  • 文/潘曉璐 我一進(jìn)店門(mén)姿现,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)肠仪,“玉大人,你說(shuō)我怎么就攤上這事备典∫炀桑” “怎么了?”我有些...
    開(kāi)封第一講書(shū)人閱讀 157,285評(píng)論 0 348
  • 文/不壞的土叔 我叫張陵提佣,是天一觀的道長(zhǎng)吮蛹。 經(jīng)常有香客問(wèn)我,道長(zhǎng)拌屏,這世上最難降的妖魔是什么潮针? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 56,485評(píng)論 1 283
  • 正文 為了忘掉前任,我火速辦了婚禮倚喂,結(jié)果婚禮上每篷,老公的妹妹穿的比我還像新娘瓣戚。我一直安慰自己,他們只是感情好焦读,可當(dāng)我...
    茶點(diǎn)故事閱讀 65,581評(píng)論 6 386
  • 文/花漫 我一把揭開(kāi)白布子库。 她就那樣靜靜地躺著,像睡著了一般矗晃。 火紅的嫁衣襯著肌膚如雪仑嗅。 梳的紋絲不亂的頭發(fā)上,一...
    開(kāi)封第一講書(shū)人閱讀 49,821評(píng)論 1 290
  • 那天张症,我揣著相機(jī)與錄音仓技,去河邊找鬼。 笑死俗他,一個(gè)胖子當(dāng)著我的面吹牛浑彰,可吹牛的內(nèi)容都是我干的。 我是一名探鬼主播拯辙,決...
    沈念sama閱讀 38,960評(píng)論 3 408
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼郭变,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼!你這毒婦竟也來(lái)了涯保?” 一聲冷哼從身側(cè)響起诉濒,我...
    開(kāi)封第一講書(shū)人閱讀 37,719評(píng)論 0 266
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤,失蹤者是張志新(化名)和其女友劉穎夕春,沒(méi)想到半個(gè)月后未荒,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體,經(jīng)...
    沈念sama閱讀 44,186評(píng)論 1 303
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡及志,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 36,516評(píng)論 2 327
  • 正文 我和宋清朗相戀三年片排,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片速侈。...
    茶點(diǎn)故事閱讀 38,650評(píng)論 1 340
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡率寡,死狀恐怖,靈堂內(nèi)的尸體忽然破棺而出倚搬,到底是詐尸還是另有隱情冶共,我是刑警寧澤,帶...
    沈念sama閱讀 34,329評(píng)論 4 330
  • 正文 年R本政府宣布每界,位于F島的核電站捅僵,受9級(jí)特大地震影響,放射性物質(zhì)發(fā)生泄漏眨层。R本人自食惡果不足惜庙楚,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 39,936評(píng)論 3 313
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望趴樱。 院中可真熱鬧馒闷,春花似錦酪捡、人聲如沸。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 30,757評(píng)論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)航揉。三九已至塞祈,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間帅涂,已是汗流浹背议薪。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 31,991評(píng)論 1 266
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留媳友,地道東北人斯议。 一個(gè)月前我還...
    沈念sama閱讀 46,370評(píng)論 2 360
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像醇锚,于是被迫代替她去往敵國(guó)和親哼御。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 43,527評(píng)論 2 349

推薦閱讀更多精彩內(nèi)容