使用python3的h5py包查看keras生成的h5文件内容

近期在使用tensorflow2.0的keras模块，训练的模型权重保存格式是.h5（Hierarchical Data Format，HDF5），然后遇到了个bug，一直无法载入权重，总提示shape不匹配，然后就想看下这个h5文件的内容。在网上了搜了各种使用h5py的方法都无法正确读取keras生成的h5文件内容，纠结这个问题浪费了我1整天的时间。下面说下我的解决办法。

首先说下环境：

Python3.6（Anaconda管理）

Tensorflow=2.0.0rc1

h5py=2.8.0rc1

首先推荐大家下载一个HDF5文件管理系统，HDFView，网盘链接：https://pan.baidu.com/s/12KcnRMWPhaaiixcja-1FRw 提取码：nc6k

下载安装后我们通过HDFView打开我们生成的.h5文件，以我的resnet101模型权重为例。

打开后我才发现，这个目录的结构和我想象的有点不太一样，比如说在上图中，我的模型中权重kernel:0的全称应该是'/block1/unit_1/conv2/kernel:0'，但存储在h5文件中的路径全称确是'/block1/block1/unit_1/conv2/kernel:0'。

下面我们通过python的h5py包来打开这个h5文件，这里先给出一个最笨的办法（但很实用）：

import h5py

f = h5py.File('./save_weights/resNet.h5', 'r')
data = f['/block1/block1/unit_1/conv2/kernel:0']
print(data.value)

就这简单的几行代码，我们就将h5文件中的其中一个权重给读取出来了。你会发现，我们打开的'/block1/block1/unit_1/conv2/kernel:0'路径不就是我们刚刚通过HDFView软件查看的其中一个权重的路径吗，是的，这就是我说的笨方法，通过HDFView查看的目录结构获取权重。

下面给出第二种方法，通过h5py包自己去遍历所有文件：

import h5py

f = h5py.File('./save_weights/resNet_1.h5', 'r')
for root_name, g in f.items():
    print(root_name)
    for _, weights_dirs in g.attrs.items():
        for i in weights_dirs:
            name = root_name + "/" + str(i, encoding="utf-8")
            data = f[name]
            print(data.value)

首先声明下，这个代码是自己试出来的，因为网上并没有找到一个可行的方法，也懒得看官方文档。但该方法确实可以使用，亲测有效。

在代码中，首先打开h5文件，接着遍历根目录，接着获取每个根目录下的所有权重路径，将根目录路径与子权重路径进行拼接，接着打开该路径读取权重信息。