背景
在做deeplearning过程中,使用caffe的框架,一般使用matlab来处理图片(matlab处理图片相对简单,高效),用Python来生成需要的lmdb文件以及做test产生结果。所以某些matlab从图片处理得到的label信息都会以.mat文件供python读取,同时也python产生的结果信息也需要matlab来做进一步的处理(当然也可以使用txt,不嫌麻烦自己处理结构信息)。
介绍
matlab和python间的数据传输一般是基于matlab的文件格式.mat,python中numpy和scipy提供了一些函数,可以很好的对.mat文件的数据进行读写和处理。
在这里numpy作用是提供Array功能映射matlab里面的Matrix,而scipy提供了两个函数loadmat和savemat来读写.mat文件。
示例
-
import scipy.io
as sio
-
import numpy
as np
-
-
###下面是讲解python怎么读取.mat文件以及怎么处理得到的结果###
-
load_fn =
'xxx.mat'
-
load_data = sio.loadmat(load_fn)
-
load_matrix = load_data[
'matrix']
#假设文件中存有字符变量是matrix,例如matlab中save(load_fn, 'matrix');当然可以保存多个save(load_fn, 'matrix_x', 'matrix_y', ...);
-
load_matrix_row = load_matrix[
0]
#取了当时matlab中matrix的第一行,python中数组行排列
-
-
###下面是讲解python怎么保存.mat文件供matlab程序使用###
-
save_fn =
'xxx.mat'
-
save_array = np.array([
1,
2,
3,
4])
-
sio.savemat(save_fn, {
'array': save_array})
#和上面的一样,存在了array变量的第一行
-
-
save_array_x = np.array([
1,
2,
3,
4])
-
save_array_y = np.array([
5,
6,
7,
8])
-
sio.savemat(save_fn, {
'array_x': save_array_x,
'array_x': save_array_x})
#同理,只是存入了两个不同的变量供使用