SVHN数据集中访问hdf5组的两种方式有什么区别？

Question

我需要读取 SVHN 数据集并尝试读取第一张图像的文件名。

我很难理解 HDF5 的结构，尤其是在理解 SVHN 数据集的层次结构/结构方面

这两种读取图片名称的方法有什么区别？

我在getName()函数的定义中遇到了这个脚本中的方法1：https://github.com/bdiesel/tensorflow-svhn/blob/master/digit_struct.py

我玩弄了 hdf5 格式的文件并想出了方法 2，同时尝试了显示相同结果的不同事物。

# Both these methods read the first character of the name of the 1st
# image in svhn dataset
f = h5py.File(path_to_svhn_dataset,'r')

# method 1 
f[f['digitStruct']['name'][0][0]].value

# method 2
f[f['digitStruct']['name'].value[0].item()].value[0][0]

第一张图片是文件名为“1.png”的文件。上述两种获取文件名第一个字符的方法都会为我们提供 int 等价于 ascii '1'-> 49

Answer 1

首先，您的 2 种方法的输出略有不同。
方法 1：返回（编码文件名的）完整数组
方法二：只返回数组的第一个元素（字符）

让我们解构您的代码以了解您拥有什么。
第一部分处理h5py 数据对象。

f['digitStruct'] -> 返回一个 h5py 组 对象
f['digitStruct']['name'] -> 返回一个 h5py 数据集 对象
f['digitStruct']['name'].name -> 返回数据集对象的名称（路径）

注意：
/digitStruct/name 数据集包含“对象引用”。每个数组条目都是指向另一个 h5py 对象（在本例中是另一个数据集）的指针。 例如（用于描述 2 个对象引用的空格）：
f[ f['digitStruct']['name'][0][0] ] -> 返回在 [0][0] 处引用的对象
因此，外部 f[ obj_ref ] 就像其他对象引用一样工作。

对于f['digitStruct']['name'][0][0]，这是一个指向数据集/#refs#/b的对象 换句话说，f['digitStruct']['name'][0][0] 引用了相同的对象： f['#refs#']['b'] 或 f['/#refs#/b']

h5py 对象引用就这么多。
让我们继续使用方法1从这个对象引用中获取数据。

f[f['digitStruct']['name'][0][0]].value -> 将整个 /#refs#/b 数据集作为 NumPy 数组返回。

但是，dataset.value 已被弃用，而首选 NumPy 索引，如下所示： f[f['digitStruct']['name'][0][0]][:]（获取整个数组）

注意：这两个都返回整个编码字符数组。 在这一点上，获得名称是 Python 和 NumPy 功能。 使用它以字符串形式返回文件名：
f[f['digitStruct']['name'][0][0]][:].tostring().decode('ascii')

现在让我们解构您用于方法2的对象引用。

f['digitStruct']['name'].value -> 将整个 /digitStruct/name 数据集作为 NumPy 数组返回。 它有 13,068 行对象引用

f['digitStruct']['name'].value[0] -> 是第一行

f['digitStruct']['name'].value[0].item() -> 将该数组元素复制到 python 标量

所以所有这些都指向同一个对象：
方法一：f['digitStruct']['name'][0][0]
方法二：f['digitStruct']['name'].value[0].item()
并且在本例中都与f['#refs#']['b'] 或f['/#refs#/b'] 相同。

和方法一一样，获取字符串是Python和NumPy的功能。

f[f['digitStruct']['name'].value[0].item()][:].tostring().decode('ascii')

是的，对象引用很复杂....
我的建议：
使用 NumPy 索引而不是 .value 从对象中提取 NumPy 数组（如上面修改的方法 1 所示）。

完整性示例代码。用于显示正在发生的事情的中间打印语句。

import h5py

# Both of these methods read the name of the 1st
# image in svhn dataset
f = h5py.File('test_digitStruct.mat','r')
print (f['digitStruct'])
print (f['digitStruct']['name'])
print (f['digitStruct']['name'].name)

# method 1
print('\ntest method 1')
print (f[f['digitStruct']['name'][0][0]])
print (f[f['digitStruct']['name'][0][0]].name)
#  both of these get the entire array / filename:
print (f[f['digitStruct']['name'][0][0]].value)
print (f[f['digitStruct']['name'][0][0]][:]) # same as .value above
print (f[f['digitStruct']['name'][0][0]][:].tostring().decode('ascii'))

# method 2
print('\ntest method 2')
print (f[f['digitStruct']['name'].value[0].item()]) 
print (f[f['digitStruct']['name'].value[0].item()].name) 

# this only gets the first array member / character:
print (f[f['digitStruct']['name'].value[0].item()].value[0][0])
print (f[f['digitStruct']['name'].value[0].item()].value[0][0].tostring().decode('ascii'))
#  this gets the entire array / filename:
print (f[f['digitStruct']['name'].value[0].item()][:])
print (f[f['digitStruct']['name'].value[0].item()][:].tostring().decode('ascii'))

每种方法的最后 2 个打印语句的输出是相同的：

[[ 49]
 [ 46]
 [112]
 [110]
 [103]]
1.png