.npy文件的打开方式

本文详细介绍了如何使用Python的numpy库加载和解析深度学习模型的.npz文件格式,通过示例代码展示了如何读取模型参数并将其转换为TensorFlow变量。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

1. 在深度学习领域,会训练出一个模型,在使用训练好的模型时,其中有一种保存的模型文件格式叫.npy。如何打开呢?

2. 实现代码即可打开:

import numpy as np
test=np.load('./bvlc_alexnet.npy',encoding = "latin1")  #加载文件
doc = open('1.txt', 'a')  #打开一个存储文件,并依次写入
print(test, file=doc)  #将打印内容写入文件中

3. 模型文件(.npy)解析:

import numpy as np
from numpy import *  #使用numpy的属性且不需要在前面加上numpy
import tensorflow as tf
 
#模型文件(.npy)部分内容如下:由一个字典组成,字典中的每一个键对应一层网络模型参数。(包括权重w和偏置b)
a = {'conv1':[array([[1,2],[3,4]],dtype=float32),array([5,6],dtype=float32)],'conv2':[array([[1,2],[3,4]],dtype=float32),array([5,6],dtype=float32)]}
 
conv1_w = a['conv1'][0]
conv1_b = a['conv1'][1]
conv2_w = a['conv2'][0]
conv2_b = a['conv2'][1]
 
print(conv1_w)
print(tf.Variable(conv1_w))
print(conv1_b)
print(tf.Variable(conv1_b))

4. 结果:

[[ 1.  2.]
 [ 3.  4.]]
<tf.Variable 'Variable:0' shape=(2, 2) dtype=float32_ref>
[ 5.  6.]
<tf.Variable 'Variable_1:0' shape=(2,) dtype=float32_ref>

原文链接:https://blog.youkuaiyun.com/william_hehe/article/details/80412227

### 关于 `.npy` 文件的概述 `.npy` 是 NumPy 库专有的二进制文件格式,用于高效存储和加载多维数组对象[^2]。这种文件格式不仅能够保存数组的数据本身,还可以保留其元信息(如形状、数据类型等),从而使得在后续操作中可以直接恢复原始数组的状态。 #### 存储与加载 `.npy` 文件的方法 通过 `NumPy` 提供的功能,可以轻松实现对 `.npy` 文件的操作: - **保存数组至 `.npy` 文件** 可以使用 `np.save()` 方法将一个 NumPy 数组保存到 `.npy` 文件中。例如,创建并保存一个二维数组如下所示[^1]: ```python import numpy as np a = np.array([[1, 2, 3], [4, 5, 6]]) np.save('array.npy', a) ``` - **从 `.npy` 文件加载数组** 使用 `np.load()` 方法可以从已保存的 `.npy` 文件中重新加载该数组。以下是加载上述保存文件的一个例子[^3]: ```python loaded_arr = np.load('array.npy') print(loaded_arr) ``` #### `.npy` 文件的特点及其用途 - **高效的磁盘空间利用率**:由于采用的是二进制形式而非纯文本表示,因此相比其他常见格式(如 CSV 或 JSON),它能更紧凑地存储数值型数据。 - **快速存取速度**:对于大规模科学计算场景下的频繁读写需求来说尤为重要;相比于通用序列化方法(比如 Pickle),针对结构化的数值矩阵优化过的 `.npy` 格式通常具备更快的速度表现。 - **保持原样性**:除了基本数值之外还会连同维度大小以及精度设定一同记录下来,在再次导入时无需额外指定参数即可完全重现原来的 ndarray 对象实例[^4]。 另外值得注意的一点是在某些特定领域应用当中也会利用此特性来进行复杂模型训练过程中中间产物或者最终成果档案管理等工作流程简化处理方面发挥重要作用。例如,在细胞图像分割任务中的 PanNuke 数据集中就采用了此类方式来组织各类样本标签信息以便进一步分析研究之需[^5]. ```python import numpy as np path = "/home/linxq/dataset/cell/pannuke/Fold 3/images/fold3/types.npy" data = np.load(path) print(data.shape) # 输出 shape 属性查看具体尺寸规模情况 df = pd.DataFrame(data) # 转换成 Pandas DataFrame 方便后续统计描述等功能调用执行 print(df.head()) # 查看前几条记录概览内容构成特点等等... ```
评论 7
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值