HDF5和h5py的基本使用方法及GTSRB数据集的加载流程

H5py包作为处理 HDF5 格式二进制数据的 Python 工具箱, 可以方便地存储和管理海量数据, 并与 Numpy 库配合使用进行数值运算. 大量集合的数据可以在同一个文件中高效组织.

h5py的官方文档：http://docs.h5py.org/en/latest/quick.html

目前我手上拥有基于德国交通牌的数据集的H5文件，在其中包含了若干张图片以及对应的标签信息。为了获取该数据集的具体内容，则需对H5文件进行读取操作。其中X_test表示图像的内容部分，Y_test则代表图像的标签信息。

读取文件：

 import h5py

    
 f = h5py.File('gtsrb_datasets.h5', 'r')  #文件扩展名是.hdf5也是一样的

h5文件就像一个python字典，我们可以查看它的key ：

 >>> list(f.keys())

    
 [u'X_test',u'Y_test']

查看数据集的形状和数据类型：

 >>> xset=f['X_test']

    
 >>> xset.shape
    
 (12630,32,32,3)
    
 >>> xset.dtype
    
 dtype('uint8')