python讀取npy文件數(shù)據(jù)實(shí)例
Numpy binary files (NPY, NPZ)
注：.npy文件是numpy專用的二進(jìn)制文件。
1. 讀取與保存
import numpy as np
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(jiàn)：https://docs.scipy.org/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(guò)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（https://pan.baidu.com/s/1Ru5FJVSPjYTHZwlmzRwRvQ 提取碼：ygxw）。本次就以分析vgg16.npy為例進(jìn)行說(shuō)明。
import numpy as np
# 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(méi)有？ 但是可以看出來(lái) pre_train 里元素應(yīng)該是一個(gè)字典，我們嘗試取出來(lái)。
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(yǔ)法參見(jiàn)：https://docs.scipy.org/doc/numpy/reference/generated/numpy.ndarray.item.html?highlight=item#numpy.ndarray.item
import numpy as np
pre_train = np.load("vgg16.npy", allow_pickle=True, encoding="latin1")
data_dic = pre_train.item()
print("------type-------")
print(type(data_dic))
print("------conv1_1 data-------")
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_1 shape-------")
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
import numpy as np
a=np.arange(5)
np.save('get.npy',a)(2)load操作
import numpy as np
a=np.load('load.npy')
print(a)
(3)savez操作
import numpy as np
a=np.arange(3)
b=np.arange(4)
c=np.arange(5)
np.savez('array_save.npz',a,b,c) 多個(gè)ndarray類型的數(shù)組
總結(jié)
到此這篇關(guān)于python讀取npy文件數(shù)據(jù)的文章就介紹到這了,更多相關(guān)python讀取npy文件內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
VSCode Python開(kāi)發(fā)環(huán)境配置的詳細(xì)步驟
這篇文章主要介紹了VSCode Python開(kāi)發(fā)環(huán)境配置的詳細(xì)步驟，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2019-02-02
pandas學(xué)習(xí)之df.set_index的具體使用
本文主要介紹了pandas學(xué)習(xí)之df.set_index的具體使用，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧2022-08-08
使用wxPython和Pandas實(shí)現(xiàn)XLSX分析器和網(wǎng)頁(yè)打開(kāi)器
這篇文章主要為大家詳細(xì)介紹了如何使用wxPython和Pandas實(shí)現(xiàn)XLSX分析器和網(wǎng)頁(yè)打開(kāi)器,文中的示例代碼講解詳細(xì),感興趣的可以了解一下2024-10-10
這篇文章主要介紹了Python模擬隨機(jī)游走圖形效果,涉及Python隨機(jī)數(shù)概率運(yùn)算及圖形繪制相關(guān)操作技巧,需要的朋友可以參考下2018-02-02
Python常用算法學(xué)習(xí)基礎(chǔ)教程
這篇文章主要學(xué)習(xí)Python常用算法，Python常用排序算法，文中示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一2017-04-04
超鏈接是指向特定資源的鏈接,作為一種有效的導(dǎo)航工具,它能夠幫助讀者快速訪問(wèn)相關(guān)信息,通過(guò)在PDF文檔中添加文本超鏈接和圖片超鏈接,你可以顯著提升文檔的互動(dòng)性和用戶體驗(yàn),這篇文章將詳細(xì)介紹如何使用Python給PDF添加文本超鏈接和圖片超鏈接,需要的朋友可以參考下2025-03-03
詳解Python的Django框架中的模版相關(guān)知識(shí)
這篇文章主要介紹了Python的Django框架中的模版相關(guān)知識(shí),模版的存在大大簡(jiǎn)化了創(chuàng)作頁(yè)面時(shí)HTML的相關(guān)工作,需要的朋友可以參考下2015-07-07
本文給大家介紹三種判斷文件或文件夾是否存在的方法，分別使用os模塊、Try語(yǔ)句、pathlib模塊。感興趣的朋友一起看看吧2017-07-07
在Python的列表中利用remove()方法刪除元素的教程
這篇文章主要介紹了在Python的列表中利用remove()方法刪除元素的教程,是Python入門中的基礎(chǔ)知識(shí),注意其和pop()方法的區(qū)別,需要的朋友可以參考下2015-05-05
Python中生成隨機(jī)密碼的多種超實(shí)用實(shí)例
隨機(jī)密碼生成器是一種常見(jiàn)的工具,用于生成強(qiáng)密碼,下面這篇文章主要給大家介紹了關(guān)于Python中生成隨機(jī)密碼的多種超實(shí)用實(shí)例,文中通過(guò)代碼介紹的非常詳細(xì),需要的朋友可以參考下2024-05-05