摘要:下面的文章主要介紹的快速入門指南,翻譯自的官方文檔。當使用時,最基本的準則為類似于字典,類似于中的數組。所有的和都支持幾個數據位的附屬命名,稱為屬性。
h5py是Python語言用來操作HDF5的模塊。下面的文章主要介紹h5py的快速入門指南,翻譯自h5py的官方文檔:http://docs.h5py.org/en/lates... 。該翻譯僅為個人學習h5py為目的,如有翻譯不當之處,請速聯系筆者或提供正確的翻譯,非常感謝!安裝
使用Anaconda或者Miniconda:
conda install h5py
用Enthought Canopy,可以使用GUI安裝包安裝或用
enpkg h5py
安裝。用pip或setup.py安裝,請參考安裝方式。
核心概念一個HDF5文件就是一個容器,用于儲存兩類對象:datasets,類似于數組的數據集合;groups,類似于文件夾的容器,可以儲存datasets和其它groups。當使用h5py時,最基本的準則為:
groups類似于字典(dictionaries),dataset類似于Numpy中的數組(arrays)。
假設有人給你發送了一個HDF5文件, mytestfile.hdf5(如何創建這個文件,請參考:附錄:創建一個文件).首先你需要做的就是打開這個文件用于讀取數據:
>>> import h5py >>> f = h5py.File("mytestfile.hdf5", "r")
這個File對象是你的起點。那么這個文件中儲存了什么呢?記住,h5py.File就像一個Python字典,因此我們可以查看這些鍵值,
>>> list(f.keys()) ["mydataset"]
根據我們的觀察,這個文件中有一個dataset,即mydataset. 讓我們把這個dataset作為Dataset對象來檢驗
>>> dset = f["mydataset"]
我們得到的這個對象不是一個數組,而是一個HDF5 dataset. 就像Numpy中的數據那樣,datasets有形狀(shape)和數據類型(data type)
>>> dset.shape (100,) >>> dset.dtype dtype("int32")
同時它們也支持數組風格的切片操作。下面是你如何完成這個文件中的一個dataset的讀寫的方法
>>> dset[...] = np.arange(100) >>> dset[0] 0 >>> dset[10] 10 >>> dset[0:100:10] array([ 0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
想要更多參考,請前往File Objects和Datasets.
附錄:創建一個文件此時此刻,你也許會好奇mytestdata.hdf5是如何創建的。當File對象初始化后,我們通過將模式(mode)設置為w來創建一個文件。其它模式(mode)為a(用于讀、寫、新建)和r+(用于讀、寫)。一個完整的File模式以及它們的含義的列表可參考File對象。
>>> import h5py >>> import numpy as np >>> f = h5py.File("mytestfile.hdf5", "w")
File對象有幾個看上去挺有趣的方法。其一為create_dataset,顧名思義,就是通過給定形狀和數據類型來創建一個dataset
>>> dset = f.create_dataset("mydataset", (100,), dtype="i")
File對象是上下文管理器,因此,下面的代碼也可運行
>>> import h5py >>> import numpy as np >>> with h5py.File("mytestfile.hdf5", "w") as f: >>> dset = f.create_dataset("mydataset", (100,), dtype="i")Groups和分層結構
“HDF”是“Hierarchical Data Format”的縮寫。每個HDF5文件中的對象都有一個名字(name),它們以類似于POSIX風格的分層結構存放,用/分隔符分隔
>>> dset.name u"/mydataset"
在這個系統中“文件夾”(folders)被命名為groups. 我們創建的File對象本身也是一個group, 在這種情形下是根group(root group),名字為/:
>>> f.name u"/"
創建一個子group(subgroup)可以通過一個巧妙的命令create_group來完成。但是,我們首先需要以讀/寫模式來打開文件
>>> f = h5py.File("mydataset.hdf5", "r+") >>> grp = f.create_group("subgroup")
所有Group對象,如同File對象一樣,也有create_*方法:
>>> dset2 = grp.create_dataset("another_dataset", (50,), dtype="f") >>> dset2.name u"/subgroup/another_dataset"
順便說一句,你不需要手動地創建所有的中間groups. 指定一個完整的路徑同樣可行
>>> dset3 = f.create_dataset("subgroup2/dataset_three", (10,), dtype="i") >>> dset3.name u"/subgroup2/dataset_three"
Groups支持大部分的Python字典風格的接口。你可以使用條目獲取(item-retrieval)的語法來獲取這個文件中的對象:
>>> dataset_three = f["subgroup2/dataset_three"]
迭代一個group,就會產生它的成員的名字:
>>> for name in f: ... print name mydataset subgroup subgroup2
成員關系檢測也可以通過使用名字來實現:
>>> "mydataset" in f True >>> "somethingelse" in f False
你甚至可以使用完整的路徑的名字:
>>> "subgroup/another_dataset" in f True
它也有你熟悉的keys(), values(), items() 和iter() 的方法,以及get()方法。
因為迭代一個group只會產生它的直屬成員,所以想要迭代一個完整的文件,可以使用Group的方法visit()和visititems(), 它們通過一個調用(callable)來實現:
>>> def printname(name): ... print name >>> f.visit(printname) mydataset subgroup subgroup/another_dataset subgroup2 subgroup2/dataset_three
想要更多參考,請前往Groups.
屬性HDF5的最好特征之一就是你可以在描述的數據后儲存元數據(metadata)。所有的groups和datasets都支持幾個數據位的附屬命名,稱為屬性。(All groups and datasets support attached named bits of data called attributes.)
屬性可以通過attrs這個代理對象來獲取,這會再一次執行字典接口:
>>> dset.attrs["temperature"] = 99.5 >>> dset.attrs["temperature"] 99.5 >>> "temperature" in dset.attrs True
想要更多參考,請前往Attributes.
文章版權歸作者所有,未經允許請勿轉載,若此文章存在違規行為,您可以聯系管理員刪除。
轉載請注明本文地址:http://specialneedsforspecialkids.com/yun/44775.html
摘要:七強化學習玩轉介紹了使用創建來玩游戲將連續的狀態離散化。包括輸入輸出獨熱編碼與損失函數,以及正確率的驗證。 用最白話的語言,講解機器學習、神經網絡與深度學習示例基于 TensorFlow 1.4 和 TensorFlow 2.0 實現 中文文檔 TensorFlow 2 / 2.0 官方文檔中文版 知乎專欄 歡迎關注我的知乎專欄 https://zhuanlan.zhihu.com/...
【百度云搜索,搜各種資料:http://www.bdyss.cn】 【搜網盤,搜各種資料:http://www.swpan.cn】 第一步。首先下載,大神者也的倒立文字驗證碼識別程序 下載地址:https://github.com/muchrooms/... 注意:此程序依賴以下模塊包 Keras==2.0.1 Pillow==3.4.2 jupyter==1.0.0 matplotli...
閱讀 2623·2023-04-26 00:07
閱讀 2432·2021-11-15 11:37
閱讀 639·2021-10-19 11:44
閱讀 2164·2021-09-22 15:56
閱讀 1717·2021-09-10 10:50
閱讀 1497·2021-08-18 10:21
閱讀 2565·2019-08-30 15:53
閱讀 1630·2019-08-30 11:11