我有一个google-cloud-ml作业,需要从gs bucket加载numpy .npz文件。我跟着this example关于如何从gs加载.npy文件,但是因为.npz文件被压缩它对我不起作用。
这是我的代码:
from StringIO import StringIO
import tensorflow as tf
import numpy as np
from tensorflow.python.lib.io import file_io
f = StringIO(file_io.read_file_to_string('gs://my-bucket/data.npz'))
data = np.load(f)
这是错误信息:
UnicodeDecodeError: 'utf-8' codec can't decode byte 0xa2 in position 10: invalid start byte
显然,将数据编码到str
是不正确的,但我不知道如何解决这个问题。
有人可以帮忙吗?谢谢!
事实证明我需要在True
中将二进制标志设置为file_io.read_file_to_string()
。
这是工作代码:
from io import BytesIO
import tensorflow as tf
import numpy as np
from tensorflow.python.lib.io import file_io
f = BytesIO(file_io.read_file_to_string('gs://my-bucket/data.npz', binary_mode=True))
data = np.load(f)
这适用于压缩和未压缩的.npz文件。
尝试使用io.BytesIO
,它具有与Python 3向前兼容的额外好处:
import io
import tensorflow as tf
import numpy as np
from tensorflow.python.lib.io import file_io
f = io.BytesIO(file_io.read_file_to_string('gs://my-bucket/data.npz'),
binary_mode=True)
data = np.load(f)
另一种方法是(注意早期TF版本和后期版本之间的区别):
import numpy as np
from tensorflow.python.lib.io import file_io
from tensorflow import __version__ as tf_version
if tf_version >= '1.1.0':
mode = 'rb'
else: # for TF version 1.0
mode = 'r'
f_stream = file_io.FileIO('mydata.npz', mode)
d = np.load( BytesIO(f_stream.read()) )
同样,对于pickle文件:
import pickle
d = pickle.load(file_io.FileIO('mydata.pickle', mode))