Python读取LMDB数据：原理与MNIST实例解析

宋时安

发布时间：2026-10-14 | 5人浏览过

原创

本文介绍如何使用Python通过Caffe接口读取LMDB格式数据。LMDB凭借内存映射文件机制，在I/O性能上优于HDF5，特别适合大型数据库。文章详细解析了LMDB的键值对存储结构及Datum对象字段（channels、height、width、data、label），并提供基于MNIST手写数字数据集的Python读取与图像显示完整代码示例，帮助开发者高效处理深度学习数据。

Python读取LMDB数据：原理与MNIST实例解析

鉴于C++在运行速度上的优势，数据写入通常调用C++接口；虽然读取数据也可使用C++，但考虑到Python在数据处理方面的便捷性，此处仅通过Python接口对lmdb文件进行读取，主要处理对象为图片数据。


import lmdb
import numpy as np
import cv2
lmdb_file = "/home/rui/demo"
lmdb_env = lmdb.open(lmdb_file)
lmdb_txn = lmdb_env.begin()
lmdb_cursor = lmdb_txn.cursor()
for key, value in lmdb_cursor:
  img = cv2.imdecode(np.fromstring(value, np.uint8), 3);
  cv2.imshow("demo", img)
  cv2.waitKey(0)

补充知识：Python解析lmdb格式mnist数据集

LMDB与HDF5的性能对比

背景

HDF5和LMDB均为Caffe中常用的数据库格式。相比之下，HDF5的读写格式较为简单；而LMDB采用内存-映射文件（memory-mapped files）机制，因此具备卓越的I/O性能。

HDF5文件的大小受限于可用内存，尽管可通过文件分割来缓解此问题，但其I/O性能仍不及LMDB的页缓存（page caching）策略。

MNIST手写数字字符识别实验在深度学习领域应用广泛，本文旨在演示如何使用Python获取lmdb格式MNIST数据集中的图片并将其显示出来。

Python读取LMDB的实现步骤

Python读取LMDB

首先需确认已安装lmdb库及Caffe的Python包（即Caffe中的pycaffe）。

pip install lmdb

LMDB存储结构与Datum对象解析

LMDB采用键值对的存储格式，其中key为字符形式的ID，value则是Caffe中Datum类的序列化形式。


# -*- coding:utf-8 -*-
import caffe
from caffe.proto import caffe_pb2
import lmdb
import cv2 as cv
env = lmdb.open("mnist_train_lmdb", readonly=True) # 打开数据文件
txn = env.begin() # 生成处理句柄
cur = txn.cursor() # 生成迭代器指针
datum = caffe_pb2.Datum() # caffe 定义的数据类型
for key, value in cur:
  print(type(key), key)
  datum.ParseFromString(value) # 反序列化成datum对象
  label = datum.label
  data = caffe.io.datum_to_array(datum)
  print data.shape
  print datum.channels
  image = data[0]
  # image = data.transpose(1, 2, 0)
  print(type(label))
  cv.imshow(str(label), image)
  cv.waitKey(0)
cv.destroyAllWindows()
env.close()

运行结果：

读取LMDB数据库中的Datum数据，此处简要介绍Datum的格式结构：channels表示图片通道数，彩色图包含3个通道，灰度图仅1个通道（也可利用通道数表示其他含义，如每个通道对应一张单图）；height表示图片（即data）的高度；width表示图片（即data）的宽度；data存储图片数据（像素值）；label为图片标签。(datum.channels, datum.height, datum.width)

以上即为使用Python操作lmdb进行数据读取的完整实例，供读者参考。