背景

在做deeplearning過程中，使用caffe的框架，一般使用matlab來處理圖片（matlab處理圖片相對簡單，高效），用Python來生成需要的lmdb檔案以及做test產生結果。所以某些matlab從圖片處理得到的label資訊都會以.mat檔案供python讀取，同時也python產生的結果資訊也需要matlab來做進一步的處理（當然也可以使用txt，不嫌麻煩自己處理結構資訊）。

介紹

matlab和python間的資料傳輸一般是基於matlab的檔案格式.mat，python中numpy和scipy提供了一些函式，可以很好的對.mat檔案的資料進行讀寫和處理。
在這裡numpy作用是提供Array功能對映matlab裡面的Matrix，而scipy提供了兩個函式loadmat和savemat來讀寫.mat檔案。

示例

  

   

    
     
    
    
     
      import scipy.io 
      as sio
     
    
   

    
     
    
    
     
      import numpy 
      as np
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      ###下面是講解python怎麼讀取.mat檔案以及怎麼處理得到的結果###
     
    
   

    
     
    
    
     
      load_fn = 
      'xxx.mat'
 

     
    
   

    
     
    
    
     
      load_data = sio.loadmat(load_fn)
     
    
   

    
     
    
    
     
      load_matrix = load_data[
      'matrix'] 
      #假設檔案中存有字元變數是matrix，例如matlab中save(load_fn, 'matrix');當然可以儲存多個save(load_fn, 'matrix_x', 'matrix_y', ...);
     
    
   

    
     
    
    
     
      load_matrix_row = load_matrix[
      0
 
] 
      #取了當時matlab中matrix的第一行，python中陣列行排列
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      ###下面是講解python怎麼儲存.mat檔案供matlab程式使用###
     
    
   

    
     
    
    
     
      save_fn = 
      'xxx.mat'
     
    
   

    
     
    
    
     
      save_array = np.array([
      1,
      2,
      3,
      4])
     
    
   

    
     
    
    
     
      sio.savemat(save_fn, {
      'array': save_array}) 
      #和上面的一樣，存在了array變數的第一行
     
    
   

    
     
    
    
      
     
    
   

    
     
    
    
     
      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，只是存入了兩個不同的變數供使用