Seleccione almacén de datos para formato de archivo o aplicación

Esta página aún no se ha traducido para esta versión. Puede ver la versión más reciente de esta página en inglés.

Un almacén de datos es un repositorio para recopilaciones de información que son demasiado grandes para caber en la memoria. Cada formato de archivo y aplicación utiliza un tipo diferente de almacén de datos, que contiene propiedades pertinentes para el tipo de datos o aplicación que admite. proporciona almacenes de datos para formatos de archivo estándar, como archivos y almacenes de datos para aplicaciones específicas como el aprendizaje profundo.MATLAB^®Excel^® Además de los datastores existentes, si los datos están en un formato propietario, puede desarrollar un almacén de datos personalizado mediante el marco de almacén de datos personalizado.

Datastores for Standard File Formats

Para una colección de datos en formato de archivo estándar, utilice una de estas opciones.

Almacén	Descripción
`TabularTextDatastore`	Los archivos de texto que contienen datos orientados a columnas, incluidos los archivos CSV
`SpreadsheetDatastore`	Archivos de hoja de cálculo con un formato admitido comoExcel`.xlsx`
`ImageDatastore`	Los archivos de imagen, incluidos los formatos admitidos por como JPEG y PNG`imread`
`ParquetDatastore`	Los archivos parquet que contienen datos orientados a columnas
`FileDatastore`	Los archivos con formato de archivo no estándar Requiere una función de lectura de archivos personalizada

Transforme o combine almacenes de datos existentes.

Almacén	Descripción
`CombinedDatastore`	Datastore para combinar datos leídos de varios almacenes datos subyacentes
`TransformedDatastore`	Datastore para transformar el almacén de datos subyacente

Datastores para integrarse con MapReduce y matrices altas.

Almacén	Descripción
`KeyValueDatastore`	Datos de par clave-valor que son entradas o salidas de`mapreduce`
`TallDatastore`	Almacén de datos para matrices de puntos de comprobación`tall`

Los datastores para datos de audio y base de datos requieren cajas de herramientas adicionales.

Almacén	Descripción	Toolbox necesario
`AudioDatastore`	Almacén de datos para la recopilación de archivos de audio	Audio Toolbox™
`DatabaseDatastore`	Datastore para colecciones de datos en una base de datos relacional	Database Toolbox™

Datastores para aplicaciones específicas

En función de la aplicación, utilice uno de estos almacenes de datos.

Aplicación	Almacén	Descripción	Toolbox necesario
Simulink modelo de datos	`SimulationDatastore`	Datastore para datos de entrada y salida de simulación que se utilizan con un modeloSimulink^®	Simulink
Conjunto de simulación y datos de mantenimiento predictivo	`SimulationEnsembleDatastore`	Datastore para gestionar los datos del conjunto de simulación	Predictive Maintenance Toolbox™
Conjunto de simulación y datos de mantenimiento predictivo	`FileEnsembleDatastore`	Datastore para administrar los datos del conjunto en formato de archivo personalizado	Predictive Maintenance Toolbox
Archivos de formato de datos de medición (MDF)	`MDFDatastore`	Datastore para la recopilación de archivos MDF	Vehicle Network Toolbox™
Archivos de formato de datos de medición (MDF)	`MDFDatastore`	Datastore para la recopilación de archivos MDF	Powertrain Blockset™
Deep Learning Los datastores para preprocesar datos de imágenes o secuencias	`PixelLabelDatastore`	Datastore para datos de etiquetas de píxel	YComputer Vision Toolbox™Deep Learning Toolbox™
	`PixelLabelImageDatastore`	Datastore para entrenar redes de segmentación semántica Datastore esno determinista	YComputer Vision ToolboxDeep Learning Toolbox
	`RandomPatchExtractionDatastore`	Almacén de datos para extraer parches aleatorios de imágenes o imágenes de etiquetas de píxel Datastore esno determinista	YImage Processing Toolbox™Deep Learning Toolbox
	`DenoisingImageDatastore`	Datastore para entrenar una imagen que denota la red neuronal profunda Datastore esno determinista	YImage Processing ToolboxDeep Learning Toolbox
	`AugmentedImageDatastore`	Datastore para redimensionar y aumentar las imágenes de entrenamiento Datastore esno determinista	Deep Learning Toolbox

Formatos de archivo personalizados

Para una colección de datos en un formato de archivo personalizado, si cada archivo individual cabe en la memoria, utilice junto con la función de lectura de archivos personalizada.FileDatastore De lo contrario, desarrolle su propio almacén de datos totalmente personalizado para la información personalizada o propietaria utilizando la clase.matlab.io.Datastore Ver.Desarrollar almacén de datos personalizado

Datastores no deterministas

Los datastores que no devuelven los mismos datos exactos para una llamada a la función después de una llamada a la función son almacenes de datos no deterministas.readreset No utilice almacenes de datos no deterministas con matrices ni ningún otro código que requiera la lectura más de una vez.tallmapreduce

Algunas aplicaciones requieren datos que se aumentan o se transforman aleatoriamente. Por ejemplo, el almacén de datos, de la aplicación de aprendizaje profundo, aumenta los datos de la imagen de entrenamiento con operaciones de preprocesamiento aleatorias para ayudar a evitar que la red sobreajuste y memoriza los detalles exactos de las imágenes de entrenamiento.AugmentedImageDatastore La salida de este almacén de datos es diferente cada vez que se realiza una operación después de una llamada a.readreset

Consulte también