Numpy 데이터 이진법
2690 단어 tensorflow
numpy.load와 numpy.save 함수 (저장된 데이터를 볼 필요가 없는 상황에서 사용하는 것을 추천합니다) 는 그룹을 2진 형식으로 디스크 np에 저장합니다.load와np.save는 디스크 그룹 데이터를 읽고 쓰는 두 가지 주요 함수입니다. 기본적으로, 그룹은 압축되지 않은 원시 이진 형식으로 확장자에 저장됩니다.npy 파일에서
예:
import numpy as np a=np.arange(5) np.save('test.npy', a)는 프로그램이 있는 폴더에test를 생성합니다.npy 파일은test.npy 파일의 파일 읽기
import numpy as np a=np.load('test.npy') print(a)
numpy.load와 numpy.save 함수 (저장된 데이터를 볼 필요가 없는 상황에서 사용하는 것을 추천합니다)
NumPy 전용 이진 형식으로 데이터를 저장합니다. 이 두 함수는 요소 형식과 shape 등 정보를 자동으로 처리하기 때문에 읽기, 쓰기 그룹을 사용하면 훨씬 편리하지만,numpy입니다.save 출력 파일은 다른 언어로 작성된 프로그램과 읽기 어렵습니다.
여러 개의 그룹을 파일에 저장하려면numpy를 사용하십시오.savez 함수.savez 함수의 첫 번째 매개 변수는 파일 이름이고 그 다음 매개 변수는 저장해야 하는 수조입니다. 키워드 매개 변수를 사용하여 수조의 이름을 지을 수도 있습니다. 비키워드 매개 변수가 전달하는 수조는 자동으로 arr 로 이름을 지을 수 있습니다.0, arr_1, ….savez 함수는 압축 파일 (확장자는 npz) 을 출력합니다. 이 중 모든 파일은 save 함수로 저장된 npy 파일입니다. 파일 이름은 그룹 이름에 대응합니다.load 함수는 npz 파일을 자동으로 식별하고 사전과 유사한 대상을 되돌려줍니다. 그룹 이름을 키워드로 삼아 그룹의 내용을 얻을 수 있습니다.
import numpy as np a=np.arange(3) b=np.arange(4) c=np.arange(5) np.savez('array save.npz', a, b, c array=c) 이렇게 프로그램이 있는 폴더에 array 가 생성됩니다.save.npz 파일
npz 파일의 데이터를 읽어내다
import numpy as np A=np.load('array_save.npz') print(A['arr_0']) print(A['arr_1']) print(A['c_array'])
>>> np.save("a.npy", a)
>>> c = np.load( "a.npy" )
>>> c
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])
Note:
1. 파일은 로 저장합니다.npy 파일 형식, 그렇지 않으면 오류 발생
2.numpy 전용 2진법 형식으로 저장한 후 notepad++로 열 수 없음 (부호화) 은 tofile 내장 함수에 비해 좋지 않은 점
numpy.savez 함수
여러 개의 그룹을 파일에 저장하려면numpy를 사용하십시오.savez 함수.savez 함수의 첫 번째 매개 변수는 파일 이름이고 그 다음 매개 변수는 저장해야 하는 수조입니다. 키워드 매개 변수를 사용하여 수조의 이름을 지을 수도 있습니다. 비키워드 매개 변수가 전달하는 수조는 자동으로 arr 로 이름을 지을 수 있습니다.0, arr_1, ....savez 함수는 압축 파일 (확장자는 npz) 을 출력합니다. 이 중 모든 파일은 save 함수로 저장된 npy 파일입니다. 파일 이름은 그룹 이름에 대응합니다.load 함수는 npz 파일을 자동으로 식별하고 사전과 유사한 대상을 되돌려줍니다. 그룹 이름을 키워드로 삼아 그룹의 내용을 얻을 수 있습니다.
>>> a = np.array([[1,2,3],[4,5,6]])
>>> b = np.arange(0, 1.0, 0.1)
>>> c = np.sin(b)
>>> np.savez("result.npz", a, b, sin_array = c)
>>> r = np.load("result.npz")
>>> r["arr_0"] # a
array([[1, 2, 3],
[4, 5, 6]])
>>> r["arr_1"] # b
array([ 0. , 0.1, 0.2, 0.3, 0.4, 0.5, 0.6, 0.7, 0.8, 0.9])
>>> r["sin_array"] # c
array([ 0. , 0.09983342, 0.19866933, 0.29552021, 0.38941834,
0.47942554, 0.56464247, 0.64421769, 0.71735609, 0.78332691])
이 내용에 흥미가 있습니까?
현재 기사가 여러분의 문제를 해결하지 못하는 경우 AI 엔진은 머신러닝 분석(스마트 모델이 방금 만들어져 부정확한 경우가 있을 수 있음)을 통해 가장 유사한 기사를 추천합니다:
GPU가 있는 M1 MacBook Air에 TensorFlow 설치(메탈)이제 TensorFlow v2.5에서 Apple의 tensorflow-metal PluggableDevice를 활용하여 Metal을 사용하여 Mac GPU에서 직접 가속화된 교육을 받을 수 있습니다. 자세히 알아보기...
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
CC BY-SA 2.5, CC BY-SA 3.0 및 CC BY-SA 4.0에 따라 라이센스가 부여됩니다.