HDF5文件
在使用Matlab對數(shù)據(jù)進(jìn)行預(yù)處理時，遇到了內(nèi)存不足的問題，因?yàn)閿?shù)據(jù)量太大，在處理完成以前內(nèi)存已經(jīng)爆滿。如果使用Matlab的.m文件對文件進(jìn)行存儲的話，則需要將數(shù)據(jù)分割成多個文件，對后續(xù)的處理造成了不便。HDF5文件則是一種靈活的文件存儲格式，有一個最大的好處就是在Matlab的處理過程中可以對它進(jìn)行擴(kuò)展寫入，也就是說不是所有數(shù)據(jù)處理完以后一次寫入，而是邊處理邊寫入，極大的降低了對系統(tǒng)內(nèi)存的要求。
HDF5文件類似與一個文件系統(tǒng)，使用這個文件本身就可以對數(shù)據(jù)集（dataset）進(jìn)行管理。例如下圖所示，HDF5文件中的數(shù)據(jù)集皆存儲根目錄/，在根目錄下存在多個group，這樣一些group類似與文件系統(tǒng)的文件夾，在它們可以存儲別的group，也可以存儲數(shù)據(jù)集。
對于每一個dataset 而言，除了數(shù)據(jù)本身之外，這個數(shù)據(jù)集還會有很多的屬性 attribute,。在hdf5中，還同時支持存儲數(shù)據(jù)集對應(yīng)的屬性信息，所有的屬性信息的集合就叫做metadata;
使用Matlab操作HDF5文件
使用Matlab創(chuàng)建HDF5文件
使用Matlab創(chuàng)建HDF5文件的函數(shù)是h5create，使用如下：
h5create(filename,datasetname,[30, 30 , 3, inf],'Datatype','single','ChunkSize',[30,30,3,1000])
filename為h5文件的文件名（不知道什么問題，在我的電腦上使用時，這個函數(shù)無法指定路徑）。
datasetname則為數(shù)據(jù)集的名字，數(shù)據(jù)集名稱必須以/開頭，比如/G。
[30,30,3,inf]位數(shù)據(jù)集的大小，比如我的數(shù)據(jù)集為30x30大小的彩色圖像，并且我希望數(shù)量能夠擴(kuò)展，那么就可以指定最后以為度為inf，以表示數(shù)量不限。
Datatype為數(shù)據(jù)類型
ChunkSize為數(shù)據(jù)存儲的最小分塊，為了讓數(shù)據(jù)能夠具有擴(kuò)展性，所以為新來的數(shù)據(jù)分配一定的空間大小，對于一個非常大的數(shù)據(jù)，這個值設(shè)置大一點(diǎn)比較好，這樣分塊就會少一點(diǎn)。比如我的數(shù)據(jù)集中，30x30大小的彩色圖像大概有10萬個左右，那么1000個存儲在一起較為合適，則chunksize設(shè)置為：[30,30,3,1000]。
使用Matlab寫入HDF5
在創(chuàng)建了hdf5文件和數(shù)據(jù)集以后，則可以對數(shù)據(jù)集進(jìn)行寫操作以擴(kuò)展里面的數(shù)據(jù)。使用Matlab寫入HDF5文件的函數(shù)是h5write，使用如下：
h5write(fileName,datasetName,data,start,count);
fileName: hdf5文件名
datasetName:數(shù)據(jù)集名稱，比如/G
data:需要寫入的數(shù)據(jù)，數(shù)據(jù)的維度應(yīng)該與創(chuàng)建時一致，比如，設(shè)置的數(shù)據(jù)集大小為[30,30,3,inf]，那么這里的data的前三個維度就應(yīng)該是[30, 30, 3]，而最后一個維度則是自由的
start:數(shù)據(jù)存儲的起點(diǎn)，如果是第一次存，則應(yīng)該為[1, 1, 1, 1]（注意數(shù)據(jù)維度的一致性），如果這次存了10000個樣本，也就是[30,30,3,10000]，那么第二次存儲的時候起點(diǎn)就應(yīng)該為[1,1,1,10001]
count存儲數(shù)據(jù)的個數(shù)，同樣要根據(jù)維度來（其實(shí)就是數(shù)據(jù)的維度），這里為[30,30,3,10000]
使用Matlab查看HDF5文件信息
Matlab中可以使用h5info函數(shù)來讀取HDF5文件的信息：
fileInfo = h5info(fileName);
然后通過解析fileInfo結(jié)構(gòu)，則可以得到HDF5文件中的數(shù)據(jù)集名稱、數(shù)據(jù)集大小等等必要信息。
使用Matlab讀取HDF5中的數(shù)據(jù)集
Matlab中可以使用h5read函數(shù)來讀取HDF5文件：
data = h5read(filename,datasetname,start,count)
filename：HDF5文件文件名
datasetname：數(shù)據(jù)集名稱
start：從數(shù)據(jù)集中取數(shù)據(jù)的其實(shí)位置
count：取的數(shù)據(jù)數(shù)量
還是以上面的30x30的彩色圖像為例，如果每次需要取1000個，那么第一次取時，start應(yīng)該設(shè)置為[1, 1, 1, 1] ，count設(shè)置為：[30, 30 ,3 1000]。第二次取值時，start則應(yīng)該設(shè)置為[1, 1, 1, 1001]，count則設(shè)置為：[30, 30, 3, 1000]。
