python - 制作具有内存限制的 h5py 文件的有效方法
问题描述
假设我有如下图像:
root
|___dog
| |___img1.jpg
| |___img2.jpg
| |___...
|
|___cat
|___...
我想将图像文件制作成 h5py 文件。
首先,我尝试读取所有图像文件并将其转换为 h5 文件。
import os
import numpy as np
import h5py
import PIL.Image as Image
datafile = h5py.File(data_path, 'w')
label_list = os.listdir('root')
for i, label in enumerate(label_list):
files = os.listdir(os.path.join('root', label_list))
for filename in files:
img = Image.open(os.path.join('root', label, filename))
ow, oh = 128, 128
img = img.resize((ow, oh), Image.BILINEAR)
data_x.append(np.array(img).tolist())
data_y.append(i)
datafile = h5py.File(data_path, 'w')
datafile.create_dataset("data_image", dtype='uint8', data=data_x)
datafile.create_dataset("data_label", dtype='int64', data=data_y)
但由于内存限制,我无法做到(每个文件夹的图像超过 200,000 个,大小为 224x224)。
那么,将此图像制作为 h5 文件的最佳方法是什么?
解决方案
HDF5/h5py 数据集对象的内存占用比相同大小的 NumPy 数组小得多。(这是使用 HDF5 的一个优势。)您可以在开始循环图像文件之前创建 HDF5 文件并分配数据集。然后您可以一次对图像进行操作(读取、调整大小和写入图像 0,然后是图像 1,等等)。
下面的代码为 200,000 张图像创建了必要的数据集。代码逻辑被重新安排以按照我描述的方式工作。img_cnt
用于在现有数据集中定位新图像数据的变量。(注意:我认为这是写的。但是没有数据,我无法测试,所以可能需要稍微调整。)如果你想在未来调整数据集大小,你可以将maxshape=()
参数添加到create_dataset()
函数中。
# Open HDF5 and create datasets in advance
datafile = h5py.File(data_path, 'w')
datafile.create_dataset("data_image", (200000,224,224), dtype='uint8')
datafile.create_dataset("data_label", (200000,), dtype='int64')
label_list = os.listdir('root')
img_cnt = 0
for i, label in enumerate(label_list):
files = os.listdir(os.path.join('root', label_list))
for filename in files:
img = Image.open(os.path.join('root', label, filename))
ow, oh = 128, 128
img = img.resize((ow, oh), Image.BILINEAR)
datafile["data_image"][img_cnt,:,:] = np.array(img).tolist())
datafile["data_label"][img_cnt] = i
img_cnt += 1
datafile.close()
推荐阅读
- javascript - 在 MongoDB 的 UpdateOne 语句中使用多个查询条件
- go - 根据另一个字段获取给定字段的所有值
- tensorflow - 无法安装最新的 termcolor 版本
- vb.net - VB.NET 创建动态文本框并具有不同的功能
- plantuml - 当一个元素属于两组时,UML图中的对象的交集
- ansible - 是否有考虑主机组的可靠策略?
- javascript - 我如何让我的 js Discord 机器人在接收消息的私人频道上的事件上发布嵌入到公共频道?
- elasticsearch - 如何从 Elasticsearch 索引中删除所有段?
- reactjs - React build failed to minify the bundle error from UglifyJs (build failed while minifying the pdfjs-dist library)
- python - 根据文件中模式匹配的键和值形成python字典