广播错误 HDF5：无法广播 (3, 2048, 1, 1) -> (4, 2048, 1, 1)

Question

我收到以下错误：

类型错误：无法广播 (3, 2048, 1, 1) -> (4, 2048, 1, 1)

我正在提取特征并将它们放入 hdf5 数据集中，如下所示：

array_40 = hdf5_file.create_dataset(
                    f'{phase}_40x_arrays',  shape, maxshape=(None, args.batch_size, 2048, 1, 1))

In (None, args.batch_size, 2048, 1, 1)，由于数据集大小的未知性质，指定了None。 args.batch_size在本例中为4，2048，1和1是提取的特征数量及其空间维度。

形状定义为：

shape = (dataset_length, args.batch_size, 2048, 1, 1)

但是，我不确定我可以用 args.batch_size 做什么错误：

ValueError：块元组中的值非法

编辑：是的，您绝对是对的。我正在尝试增量写入 hdf5 数据集。我在下面展示了更多代码。我正在提取特征并将它们逐步存储到 hdf5 数据集中。尽管批处理大小为 4，但理想的做法是将批处理中的每个项目保存为自己的 instance/row.

shape = (dataset_length, 2048, 1, 1)
            all_shape = (dataset_length, 6144, 1, 1)
            labels_shape = (dataset_length)
            batch_shape = (1,)

            path = args.HDF5_dataset + f'{phase}.hdf5'

            #hdf5_file = h5py.File(path, mode='w')
            with h5py.File(path, mode='a') as hdf5_file:

                array_40 = hdf5_file.create_dataset(
                    f'{phase}_40x_arrays',  shape, maxshape=(None, 2048, 1, 1)
                )
                array_labels = hdf5_file.create_dataset(
                    f'{phase}_labels', labels_shape, maxshape=(None), dtype=string_type
                )
                array_batch_idx = hdf5_file.create_dataset(
                    f'{phase}_batch_idx', data=np.array([-1, ])
                )

                hdf5_file.close()

        # either new or checkpionted file exists
        # load file and create references to exisitng h5 datasets
        with h5py.File(path, mode='r+') as hdf5_file:
            array_40 = hdf5_file[f'{phase}_40x_arrays']
            array_labels = hdf5_file[f'{phase}_labels']
            array_batch_idx = hdf5_file[f'{phase}_batch_idx']

            batch_idx = int(array_batch_idx[0]+1)

            print("Batch ID is restarting from {}".format(batch_idx))

            dataloaders_dict = torch.utils.data.DataLoader(datasets_dict, batch_size=args.batch_size, sampler=SequentialSampler2(
                datasets_dict, batch_idx, args.batch_size),drop_last=True, num_workers=args.num_workers, shuffle=False)  # make sure shuffling is false for sampler to work and incase you restart


            for i, (inputs40x, paths40x, labels) in enumerate(dataloaders_dict):

                print(f'Batch ID: {batch_idx}')

                inputs40x = inputs40x.to(device)
                labels = labels.to(device)
                paths = paths40x

                x40 = resnet(inputs40x)

                # torch.Size([1, 2048, 1, 1]) batch, feats, 1l, 1l
                array_40[...] = x40.cpu()
                array_labels[batch_idx, ...] = labels[:].cpu()
                array_batch_idx[:,...] = batch_idx

                batch_idx +=1
                hdf5_file.flush()

Answer 1

我认为您对 maxshape=() 参数的使用感到困惑。它在每个维度中设置最大分配数据集大小。第一个数据集维度在创建时设置为 dataset_length，maxshape[0]=None 允许大小无限增长。创建时第二个数据集维度的大小为 args.batch_size。您为 maxshape 指定了相同的大小，因此无法增加此维度。

我对你的例子有点困惑。听起来您正在尝试将数据增量写入 args.batch_size 的 rows/instances 中的数据集。你的例子有 51 rows/instances 条数据，你想分批写入 args.batch_size=4。有 51 行，您可以写前 48 行（0-3、4-7...44-47），然后坚持剩下的 3 行。您不能通过添加一个计数器（称之为 nrows_left）并将批量大小参数更改为 min(args.batch_size, rows_left) 来解决这个问题吗？对我来说似乎是最简单的解决方案。

没有更多信息，我无法编写完整的示例。
我将尝试在下面展示我的意思：

# args.batch_size = 4
shape = (dataset_length, 2048, 1, 1)
array_40 = hdf5_file.create_dataset(
           f'{phase}_40x_arrays', shape, maxshape=(None, 2048, 1, 1))
nrows_left= dataset_length
rcnt = 0
loopcnt = dataset_length/args.batch_size
if dataset_length%args.batch_size != 0:
    loopcnt += 1 
for loop in range(loopcnt) :
    nload = min(nrows_left, args.batch_size)
    array_40[rcnt :row+nload] = img_data[rcnt:row+nload ]
    rcnt += nload 
    nrows_left -= nload

广播错误 HDF5：无法广播 (3, 2048, 1, 1) -> (4, 2048, 1, 1)

Broadcast error HDF5: Can't broadcast (3, 2048, 1, 1) -> (4, 2048, 1, 1)

python

hdf5

h5py

pytorch