python - 用Python将数据写入LMDB非常慢

创建数据集进行Caffe训练我都尝试使用HDF5和LMDB。但是，创建LMDB非常慢，甚至比HDF5还慢。我正在尝试写约20,000张图片。

我做错什么了吗？有我不知道的事吗？

这是我创建LMDB的代码:

DB_KEY_FORMAT = "{:0>10d}"
db = lmdb.open(path, map_size=int(1e12))
    curr_idx = 0
    commit_size = 1000
    for curr_commit_idx in range(0, num_data, commit_size):
        with in_db_data.begin(write=True) as in_txn:
            for i in range(curr_commit_idx, min(curr_commit_idx + commit_size, num_data)):
                d, l = data[i], labels[i]
                im_dat = caffe.io.array_to_datum(d.astype(float), label=int(l))
                key = DB_KEY_FORMAT.format(curr_idx)
                in_txn.put(key, im_dat.SerializeToString())
                curr_idx += 1
    db.close()

如您所见，我正在为每1,000个图像创建一个事务，因为我认为为每个图像创建一个事务会产生开销，但这似乎并不会对性能产生太大影响。

最佳答案

以我的经验，我曾经从Python的到LMDB的 50-100毫秒的写入中，在Ubuntu的ext4硬盘上写入Caffe数据。 这就是为什么我使用tmpfs (Linux内置的 RAM磁盘功能)并在 0.07 ms 左右完成这些写入的原因。您可以在虚拟磁盘上创建较小的数据库，然后将它们复制到硬盘上，然后在所有数据库上进行训练。我有大约20-40GB的存储空间，因为我有64 GB的RAM。

一些代码段可帮助您动态创建，填充LMDB并将其移动到存储中。随时对其进行编辑以适合您的情况。它应该为您节省一些时间来了解LMDB和Python的工作方式。

import shutil
import lmdb
import random


def move_db():
    global image_db
    image_db.close();
    rnd = ''.join(random.choice(string.ascii_uppercase + string.digits) for _ in range(5))
    shutil.move( fold + 'ram/train_images',  '/storage/lmdb/'+rnd)
    open_db()


def open_db():
    global image_db
    image_db    = lmdb.open(os.path.join(fold, 'ram/train_images'),
            map_async=True,
            max_dbs=0)

def write_to_lmdb(db, key, value):
    """
    Write (key,value) to db
    """
    success = False
    while not success:
        txn = db.begin(write=True)
        try:
            txn.put(key, value)
            txn.commit()
            success = True
        except lmdb.MapFullError:
            txn.abort()
            # double the map_size
            curr_limit = db.info()['map_size']
            new_limit = curr_limit*2
            print '>>> Doubling LMDB map size to %sMB ...' % (new_limit>>20,)
            db.set_mapsize(new_limit) # double it

...

image_datum                 = caffe.io.array_to_datum( transformed_image, label )
write_to_lmdb(image_db, str(itr), image_datum.SerializeToString())