这篇文章主要介绍“python怎么读取npy文件数据”的相关知识,小编通过实际案例向大家展示操作过程,操作方法简单快捷,实用性强,希望这篇“python怎么读取npy文件数据”文章能帮助大家解决问题。
注:.npy文件是numpy专用的二进制文件。
1. 读取与保存
import numpy as nparr = 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)
2. 实战案例
在深度神经网络训练过程中通常需要读取预训练权重,预训练权重通常是 .npy文件,比如vgg16.npy。本次就以分析vgg16.npy为例进行说明。
import numpy as np# 注意编码方式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)
这是个啥?为啥shape没有? 但是可以看出来 pre_train 里元素应该是一个字典,我们尝试取出来。
注:ndarray.item()是复制数组中的一个元素,并将其返回。
import numpy as nppre_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']) # 返回一个列表,该列表有两个array,表示conv1_1的权重w与偏置bprint("------conv1_1 shape-------")print((data_dic['conv1_1'][0]).shape)
看看结果:
可以发现,这是第一个卷积层的权重参数,输入channel是3,输出channel是64。
附:python中 .npy文件的读写操作实例
numpy中的二进制文件的读写:
save
np.save ("./文件名", 数组名):以二进制的格式保存数据
load
np.load("./文件名.npy"): 函数是从二进制的文件中读取数据
savez
np.savez(’./文件名’,数组名1,数组名2,…):savez 函数可以将多个数组保存到一个文件中
(1)save操作
import numpy as npa=np.arange(5)np.save('get.npy',a)
(2)load操作
import numpy as npa=np.load('load.npy')print(a)
(3)savez操作
import numpy as npa=np.arange(3)b=np.arange(4)c=np.arange(5)np.savez('array_save.npz',a,b,c) 多个ndarray类型的数组
关于“python怎么读取npy文件数据”的内容就介绍到这里了,感谢大家的阅读。如果想了解更多行业相关的知识,可以关注编程网行业资讯频道,小编每天都会为大家更新不同的知识点。