如何解压缩pkl文件？

Question

我有来自MNIST数据集的pkl文件，其中包含手写数字图像。

我想看看每个数字图像，所以我需要解压缩pkl文件，除了我找不到如何。

有没有办法解压缩/解压缩pkl文件？

Answer 1

一般

您的pkl文件实际上是一个序列化的pickle文件，这意味着它已使用Python的pickle模块转储。

要取消数据，您可以：

import pickle


with open('serialized.pkl', 'rb') as f:
    data = pickle.load(f)

对于MNIST数据集

注意仅在压缩文件时才需要gzip：

import gzip
import pickle


with gzip.open('mnist.pkl.gz', 'rb') as f:
    train_set, valid_set, test_set = pickle.load(f)

每组可以进一步划分（即训练集）：

train_x, train_y = train_set

这些是你的集合的输入（数字）和输出（标签）。

如果要显示数字：

import matplotlib.cm as cm
import matplotlib.pyplot as plt


plt.imshow(train_x[0].reshape((28, 28)), cmap=cm.Greys_r)
plt.show()

另一种选择是查看原始数据：

http://yann.lecun.com/exdb/mnist/

但这会更难，因为你需要创建一个程序来读取这些文件中的二进制数据。因此，我建议您使用Python，并使用pickle加载数据。如你所见，这很容易。 ; - ）

Answer 2

方便的单行

pkl() (
  python -c 'import pickle,sys;d=pickle.load(open(sys.argv[1],"rb"));print(d)' "$1"
)
pkl my.pkl

将为腌制对象打印__str__。

可视化对象的一般问题当然是未定义的，因此如果__str__不够，则需要自定义脚本。

Answer 3

如果要使用原始MNIST文件，可以通过以下方法反序列化它们。

如果尚未下载文件，请首先在终端中运行以下命令来进行下载：

wget http://yann.lecun.com/exdb/mnist/train-images-idx3-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/train-labels-idx1-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/t10k-images-idx3-ubyte.gz
wget http://yann.lecun.com/exdb/mnist/t10k-labels-idx1-ubyte.gz

然后将以下内容另存为deserialize.py并运行它。

import numpy as np
import gzip

IMG_DIM = 28

def decode_image_file(fname):
    result = []
    n_bytes_per_img = IMG_DIM*IMG_DIM

    with gzip.open(fname, 'rb') as f:
        bytes_ = f.read()
        data = bytes_[16:]

        if len(data) % n_bytes_per_img != 0:
            raise Exception('Something wrong with the file')

        result = np.frombuffer(data, dtype=np.uint8).reshape(
            len(bytes_)//n_bytes_per_img, n_bytes_per_img)

    return result

def decode_label_file(fname):
    result = []

    with gzip.open(fname, 'rb') as f:
        bytes_ = f.read()
        data = bytes_[8:]

        result = np.frombuffer(data, dtype=np.uint8)

    return result

train_images = decode_image_file('train-images-idx3-ubyte.gz')
train_labels = decode_label_file('train-labels-idx1-ubyte.gz')

test_images = decode_image_file('t10k-images-idx3-ubyte.gz')
test_labels = decode_label_file('t10k-labels-idx1-ubyte.gz')

脚本不会像腌制文件中那样标准化像素值。为此，您要做的就是

train_images = train_images/255
test_images = test_images/255

Answer 4

需要使用Writing R Extensions（如果文件被压缩，则为pickle）

注意：这些已经在标准Python库中。 无需安装任何新东西