摘要:在中導(dǎo)入本地?cái)?shù)據(jù)文件時(shí),總是無(wú)法得到正確的數(shù)據(jù)。此時(shí),如果直接輸出,會(huì)看到以下結(jié)果可見,如果本地文件包含了額外的信息,則單純使用無(wú)法直接讀取到所需數(shù)據(jù),還應(yīng)該補(bǔ)充一行對(duì)應(yīng)的代碼。
在python中導(dǎo)入本地.mat數(shù)據(jù)文件時(shí),總是無(wú)法得到正確的數(shù)據(jù)。
問題代碼如下:
from numpy import * import scipy.io mnist_train = "D:Machine LearningTensorFlowSoftmax Regressionmnist_datasetmnist_train.mat" mnist_train_labels = "D:Machine LearningTensorFlowSoftmax Regressionmnist_datasetmnist_train_labels.mat" x = scipy.io.loadmat(mnist_train) label = scipy.io.loadmat(mnist_train_labels) print(x.shape)上段代碼輸出的結(jié)果是(1,1),而對(duì)應(yīng)的數(shù)據(jù)應(yīng)是(60000,784)。此時(shí),如果直接輸出x,會(huì)看到以下結(jié)果:
""" [[ {"__version__": "1.0", "__header__": b"MATLAB 5.0 MAT-file, Platform: PCWIN, Created on: Tue Nov 29 12:43:31 2011", "mnist_train": array([[ 0., 0., 0., ..., 0., 0., 0.], [ 0., 0., 0., ..., 0., 0., 0.], [ 0., 0., 0., ..., 0., 0., 0.], ..., [ 0., 0., 0., ..., 0., 0., 0.], [ 0., 0., 0., ..., 0., 0., 0.], [ 0., 0., 0., ..., 0., 0., 0.]], dtype=float32), "__globals__": []}]] """可見,如果本地mat文件包含了額外的信息,則單純使用scipy.io.loadmat()無(wú)法直接讀取到所需數(shù)據(jù),還應(yīng)該補(bǔ)充一行對(duì)應(yīng)的代碼。
x = scipy.io.loadmat(mnist_train) train_x = x["mnist_train"] label = scipy.io.loadmat(mnist_train_labels) train_label = label["mnist_train_labels"]
文章版權(quán)歸作者所有,未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為,您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址:http://specialneedsforspecialkids.com/yun/38508.html
小編寫這篇文章的目的,主要是給大家介紹關(guān)于python和npy矩陣的相關(guān)介紹,下面會(huì)給大家做出一個(gè)詳細(xì)的解答,希望可以給各位讀者帶來(lái)幫助。 mat矩陣和npy矩陣互相轉(zhuǎn)換 numpy.narray矩陣保存為mat文件 importnumpyasnp importscipy.ioasio mat_path='your_mat_save_path' mat=np....
閱讀 1614·2021-11-16 11:45
閱讀 2544·2021-09-29 09:48
閱讀 3269·2021-09-07 10:26
閱讀 1840·2021-08-16 10:50
閱讀 1866·2019-08-30 15:44
閱讀 2698·2019-08-28 18:03
閱讀 1898·2019-08-27 10:54
閱讀 1823·2019-08-26 14:01