如何使用h5py将数据附加到hdf5文件中的一个特定数据集

Question

我正在寻找一种.h5使用Python（h5py）将数据附加到文件内现有数据集的可能性。

我的项目的简短介绍：我尝试使用医学图像数据训练CNN。由于在将数据转换为NumPy数组的过程中大量数据和大量内存的使用，我需要将“转换”拆分为几个数据块：加载和预处理前100张医学图像，并将NumPy数组保存到hdf5文件，然后加载接下来的100个数据集并追加现有.h5文件，依此类推。

现在，我尝试存储前100个转换的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))

可以看出，将转换后的NumPy数组分为四个不同的“组”，这些“组”存储在四个hdf5数据集中[X_train, X_test, Y_train, Y_test]。该LoadIPV()功能执行医学图像数据的预处理。

我的问题是，我想将接下来的100个NumPy数组存储到同一.h5文件中到现有的数据集中：这意味着我想例如将具有接下来的100个NumPy数组的现有X_train形状数据集附加到以下内容中[100, 512, 512, 9]：X_train变成形状[200, 512, 512, 9]。其他三个数据集也应如此X_test，Y_train并且Y_test。

Answer 1

我找到了一种似乎可行的解决方案！

看一下：用h5py增量写入hdf5！

为了将数据附加到特定数据集，必须首先在相应的轴上调整特定数据集的大小，然后在“旧” nparray的末尾附加新数据。

因此，解决方案如下所示：

with h5py.File('.\PreprocessedData.h5', 'a') as hf:
    hf["X_train"].resize((hf["X_train"].shape[0] + X_train_data.shape[0]), axis = 0)
    hf["X_train"][-X_train_data.shape[0]:] = X_train_data

    hf["X_test"].resize((hf["X_test"].shape[0] + X_test_data.shape[0]), axis = 0)
    hf["X_test"][-X_test_data.shape[0]:] = X_test_data

    hf["Y_train"].resize((hf["Y_train"].shape[0] + Y_train_data.shape[0]), axis = 0)
    hf["Y_train"][-Y_train_data.shape[0]:] = Y_train_data

    hf["Y_test"].resize((hf["Y_test"].shape[0] + Y_test_data.shape[0]), axis = 0)
    hf["Y_test"][-Y_test_data.shape[0]:] = Y_test_data

但是，请注意，您应该使用创建数据集maxshape=(None,)，例如

h5f.create_dataset('X_train', data=orig_data, compression="gzip", chunks=True, maxshape=(None,))

否则无法扩展数据集。