Numpy binary files (NPY, NPZ)
注：.npy文件是numpy专用的二进制文件。
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)
至于具体API参见：https://docs.scipy.org/doc/numpy/index.html
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（http://pan.baidu.com/s/1Ru5FJVSPjYTHZwlmzRwRvQ 提取码：ygxw）。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。具体语法参见：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']) # 返回一个列表，该列表有两个array，表示conv1_1的权重w与偏置b
print("------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。
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 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) 多个ndarray类型的数组
