1.前言：在深度学习领域。有一个名词叫迁移学习。倍数贫穷人们所喜爱。拿来主义还是用着很舒服的嘛！

在使用训练好的模型时，其中有一种保存的模型文件格式叫.npy。

2.打开方式·实现代码：

import numpy as np
test=np.load('./bvlc_alexnet.npy',encoding = "latin1")  #加载文件
doc = open('1.txt', 'a')  #打开一个存储文件，并依次写入
print(test, file=doc)  #将打印内容写入文件中

3.模型文件(.npy)刨析：

import numpy as np
from numpy import *  #使用numpy的属性且不需要在前面加上numpy
import tensorflow as tf
 
#模型文件（.npy）部分内容如下：由一个字典组成，字典中的每一个键对应一层网络模型参数。（包括权重w和偏置b）
a = {'conv1':[array([[1,2],[3,4]],dtype=float32),array([5,6],dtype=float32)],'conv2':[array([[1,2],[3,4]],dtype=float32),array([5,6],dtype=float32)]}
 
conv1_w = a['conv1'][0]
conv1_b = a['conv1'][1]
conv2_w = a['conv2'][0]
conv2_b = a['conv2'][1]
 
print(conv1_w)
print(tf.Variable(conv1_w))
print(conv1_b)
print(tf.Variable(conv1_b))

结果：

[[ 1. 2.]
[ 3. 4.]]
<tf.Variable ‘Variable:0’ shape=(2, 2) dtype=float32_ref>
[ 5. 6.]
<tf.Variable ‘Variable_1:0’ shape=(2,) dtype=float32_ref>