build_hdf5_image_dataset(trainset, image_shape=(224, 224), mode='folder', output_path='new_train.h5', categorical_labels=True, normalize=False)

`build_hdf5_image_dataset` 是一个函数，用于将图像数据转换为HDF5格式的数据集。下面是函数各个参数的含义：

- `trainset`：表示图像数据集，可以是一个列表或者一个数据生成器，包含了所有训练图像的路径和标签等信息。
- `image_shape`：表示图像的大小，以元组的形式表示，如`(224, 224)`。
- `mode`：表示构建数据集的方式，可以是'folder'、'file'或'mixed'中的一种。
- `output_path`：表示输出的HDF5格式数据集的路径。
- `categorical_labels`：表示标签是否采用one-hot编码，如果是，则为True，否则为False。
- `normalize`：表示是否将图像数据进行归一化处理，如果是，则为True，否则为False。

例如，使用以下代码将文件夹中的图像数据转换为HDF5格式数据集：

from tflearn.data_utils import build_hdf5_image_dataset

dataset_file = 'my_dataset.h5'
data_folder = 'image_folder'
build_hdf5_image_dataset(data_folder, image_shape=(224, 224), mode='folder', output_path=dataset_file, categorical_labels=True, normalize=True)

上述代码将把 `data_folder` 文件夹中的图像数据转换为HDF5格式数据集，并保存到文件 `my_dataset.h5` 中，其中图像大小为 `(224, 224)`，标签采用了one-hot编码，并对图像数据进行了归一化处理。