Python 迭代h5文件中的数据集，但更改成功'；无法挽救

我试图通过对h5文件中的数据集应用某种（一个热位）函数来修改模型的权重，然后用新的权重加载模型。我终于想出了如何在h5文件中的不同数据集形状上应用mu函数。问题是，在关闭文件并尝试重新打开它并打印任何数据集后，将打印原始数据集值，而不是修改的数据集值。 这是密码

f1 = h5py.File('/content/model_weights.h5', 'r')     # open the file
for dset in traverse_datasets('/content/model_weights.h5'):
  dataset1 = np.array(hdf.get(dset))
  for x in np.nditer(dataset1, op_flags=['writeonly']):
      x[...]= one_hot_bit_val(x)
  print(dataset1)  
f1.close()  

traverse_datasets是查找h5文件中的数据集路径，one_hot_bit_val（）是我修改权重的函数。我在循环时打印每个数据集，打印的值是正确的。当我关闭文件后再次尝试重新打印时，如下所示：

f1 = h5py.File('/content/model_weights.h5', 'r')     # open the file
dataset1 = np.array(f1.get('/conv2d_1/conv2d_1/bias:0'))
print(dataset1)

---

dataset1在应用one_hot_bit函数之前具有原始值。

您正在修改从数据集而不是数据集本身创建的数组。查看h5py文档，了解如何将新值写入数据集。我认为使用nditer没有帮助。它并不比普通迭代快多少。但这不是问题所在。好的，谢谢你的帮助

ds=hdf.get（dset）

arr=ds[：]

获取<代码>ds[：]=要设置的arr。