回顾

在数据处理利器NumPy初识（三）中，我们介绍了NumPy中对ndarray数据的各种运算以及NumPy中广播机制的基本概念和用法。今天我们来看一下NumPy中随机数的相关内容和对ndarray的存储与加载。

NumPy中的随机数

NumPy中的随机数集中在random包中，它包含了多种概率分布的随机样本，是数据计算、数据分析中的重要辅助工具，主要包括normal(mean,stdev,size)、random(size)、rand(d0, d1, ..., dn)、randn(d0, d1, ..., dn)、randint(low[, high, size, dtype])、choice(a[, size, replace, p])等函数。下面我们分别看一下这几种随机数的用法。

前不久，谷歌公布了一项最新技术，可以教机器画画。今天，谷歌开源了代码。在我们研究其代码之前，首先先按要求设置Magenta环境。（https://github.com/tensorflow/magenta/blob/master/README.md）

本文详细解释了Sketch-RNN的TensorFlow代码，即之前发布的两篇文章《Teaching Machines to Draw》和《A Neural Representation of Sketch Drawings》中描述的循环神经网络模型（RNN）。

笔者博客(用tensorflow迁移学习猫狗分类)笔者讲到用tensorlayer的VGG16模型迁移学习图像分类，那麽问题来了，tensorlayer没提供的模型怎么办呢？别担心，tensorlayer提供了tensorflow中的slim模型导入功能，代码例子在tutorial_inceptionV3_tfslim。

#读/写文件
#numpy的文件读写主要有二进制的文件读写和文件列表形式的数据读/写俩种方式
#save函数以二进制的格式保存数据
#load函数从二进制的文件中读取数据
#save函数的语法格式如下：
"""
np.save(file,arr,allow_pickle=True,fix_imports=True)
 file:为要保存的文件名称，需要指定文件保存的路径
 arr：为需要保存的数组，拓展名.npy为自动添加
"""
'\nnp.save(file,arr,allow_pickle=True,fix_imports=True)\n file:为要保存的文件名称，需要指定文件保存的路径\n arr：为需要保存的数组，拓展名.npy为自动添加\n'
#二进制数据存储
import numpy as np
arr = np.arange(100).reshape(10,10) #创建一个数组
np.save('../tmp/save_arr',arr)
print('保存的数组为：\n',arr)
保存的数组为：
 [[ 0 1 2 3 4 5 6 7 8 9]
 [10 11 12 13 14 15 16 17 18 19]
 [20 21 22 23 24 25 26 27 28 29]
 [30 31 32 33 34 35 36 37 38 39]
 [40 41 42 43 44 45 46 47 48 49]
 [50 51 52 53 54 55 56 57 58 59]
 [60 61 62 63 64 65 66 67 68 69]
 [70 71 72 73 74 75 76 77 78 79]
 [80 81 82 83 84 85 86 87 88 89]
 [90 91 92 93 94 95 96 97 98 99]]
#如果将多个数组保存到一个文件中，可以使用savez函数，其文件的拓展名为.npz
#多个数组存储
arr1 = np.array([[1,2,3],[4,5,6]])
arr2 = np.arange(0,1.0,0.1)
np.savez('../tmp/savez_arr',arr1,arr2)
print('保存的数组1为：\n',arr1)
print('保存的数组2为：\n',arr2)
保存的数组1为：
 [[1 2 3]
 [4 5 6]]
保存的数组2为：
 [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]
#二进制文件获取
#读取含有单个数组的文件
loaded_data = np.load('../tmp/save_arr.npy')
print('读取到的数组为：\n',loaded_data)
读取到的数组为：
 [[ 0 1 2 3 4 5 6 7 8 9]
 [10 11 12 13 14 15 16 17 18 19]
 [20 21 22 23 24 25 26 27 28 29]
 [30 31 32 33 34 35 36 37 38 39]
 [40 41 42 43 44 45 46 47 48 49]
 [50 51 52 53 54 55 56 57 58 59]
 [60 61 62 63 64 65 66 67 68 69]
 [70 71 72 73 74 75 76 77 78 79]
 [80 81 82 83 84 85 86 87 88 89]
 [90 91 92 93 94 95 96 97 98 99]]
#读取含有多个数组的文件
loaded_data1 = np.load('../tmp/savez_arr.npz')
print('读取的数组为1为：\n',loaded_data1['arr_0'])
print('读取的数组为2为：\n',loaded_data1['arr_1'])
读取的数组为1为：
 [[1 2 3]
 [4 5 6]]
读取的数组为2为：
 [0. 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9]