Question

我有很多hdf5文件，每个文件都有一个数据集。我想将它们组合成一个数据集，其中数据全部在同一个卷中（每个文件都是一个图像，我想要一个大的间隔拍摄图像）。

我编写了一个python脚本来将数据提取为numpy数组，存储它们，然后尝试将其写入新的h5文件。但是，这种方法不起作用，因为组合数据使用的内存超过了我拥有的32 GB RAM。

我也尝试过使用命令行工具h5copy。

h5copy -i file1.h5 -o combined.h5 -s '/dataset' -d '/new_data/t1'
h5copy -i file2.h5 -o combined.h5 -s '/dataset' -d '/new_data/t2'

哪个有效，但它会在新文件中产生许多数据集，而不是将所有数据集都串联起来。

Answer 1

虽然您无法将行明确附加到hdf5数据集，但您可以在创建数据集时使用maxshape关键字，以便您可以“调整”数据集的大小以容纳新数据。（见http://docs.h5py.org/en/latest/faq.html#appending-data-to-a-dataset）

假设数据集的列数始终相同，您的代码最终会看起来像这样：

import h5py

output_file = h5py.File('your_output_file.h5', 'w')

#keep track of the total number of rows
total_rows = 0

for n, f in enumerate(file_list):
  your_data = <get your data from f>
  total_rows = total_rows + your_data.shape[0]
  total_columns = your_data.shape[1]

  if n == 0:
    #first file; create the dummy dataset with no max shape
    create_dataset = output_file.create_dataset("Name", (total_rows, total_columns), maxshape=(None, None))
    #fill the first section of the dataset
    create_dataset[:,:] = your_data
    where_to_start_appending = total_rows

  else:
    #resize the dataset to accomodate the new data
    create_dataset.resize(total_rows, axis=0)
    create_dataset[where_to_start_appending:total_rows, :] = your_data
    where_to_start_appending = total_rows

output_file.close()

将hdf5文件合并到单个数据集中

1 个答案: