第python讀取npy文件數(shù)據(jù)實(shí)例目錄1.讀取與保存2.實(shí)戰(zhàn)案例附：python中.npy文件的讀寫操作實(shí)例總結(jié)Numpybinaryfiles(NPY,NPZ)

注：.npy文件是numpy專用的二進(jìn)制文件。

1.讀取與保存

importnumpyasnp

arr=np.array([[1,2,3],

[4,5,6]])

np.save('weight.npy',arr)

loadData=np.load('weight.npy')

print("----type----")

print(type(loadData))

print("----shape----")

print(loadData.shape)

print("----data----")

print(loadData)

至于具體API參見：/doc/numpy/index.html

2.實(shí)戰(zhàn)案例

在深度神經(jīng)網(wǎng)絡(luò)訓(xùn)練過程中通常需要讀取預(yù)訓(xùn)練權(quán)重，預(yù)訓(xùn)練權(quán)重通常是.npy文件，比如vgg16.npy（/s/1Ru5FJVSPjYTHZwlmzRwRvQ提取碼：ygxw）。本次就以分析vgg16.npy為例進(jìn)行說明。

importnumpyasnp

#注意編碼方式

pre_train=np.load("vgg16.npy",allow_pickle=True,encoding="latin1")

print("------type-------")

print(type(pre_train))

print("------shape-------")

print(pre_train.shape)

print("------data-------")

print(pre_train)

這是個(gè)啥？為啥shape沒有？但是可以看出來pre_train里元素應(yīng)該是一個(gè)字典，我們嘗試取出來。

注：ndarray.item()是復(fù)制數(shù)組中的一個(gè)元素，并將其返回。具體語法參見：/doc/numpy/reference/generated/numpy.ndarray.item.htmlhighlight=item#numpy.ndarray.item

importnumpyasnp

pre_train=np.load("vgg16.npy",allow_pickle=True,encoding="latin1")

data_dic=pre_train.item()

print("------type-------")

print(type(data_dic))

print("------conv1_1data-------")

print(data_dic['conv1_1'])#返回一個(gè)列表，該列表有兩個(gè)array，表示conv1_1的權(quán)重w與偏置b

print("------conv1_1shape-------")

print((data_dic['conv1_1'][0]).shape)

看看結(jié)果：

可以發(fā)現(xiàn)，這是第一個(gè)卷積層的權(quán)重參數(shù)，輸入channel是3，輸出channel是64。

附：python中.npy文件的讀寫操作實(shí)例

numpy中的二進(jìn)制文件的讀寫:

save

np.save(./文件名,數(shù)組名)：以二進(jìn)制的格式保存數(shù)據(jù)

load

np.load(./文件名.npy)：函數(shù)是從二進(jìn)制的文件中讀取數(shù)據(jù)

savez

np.savez(./文件名,數(shù)組名1,數(shù)組名2,)：savez函數(shù)可以將多個(gè)數(shù)組保存到一個(gè)文件中

(1)save操作

importnumpyasnp

a=np.arange(5)

np.save('get.npy',a)

(2)load操作

importnumpyasnp

a=np.load('load.npy')

print(a)

(3)savez操作

importnumpyasnp

a=np.a