Nano Hash - криптовалюты, майнинг, программирование

np.fromfile с count=-1 добавляет неожиданные нули

Я пытаюсь использовать np.fromfile для чтения двоичного файла, который я написал с помощью Fortran, используя прямой доступ. Однако, если я установлю count=-1 вместо max_items, np.fromfile вернет массив большего размера, чем ожидалось; добавление нулей к вектору, который я написал в двоичном формате.

Тестовый код Фортрана:

program testing
implicit none
integer*4::i
open(1,access='DIRECT', recl=20, file='mytest', form='unformatted',convert='big_endian')
write(1,rec=1) (i,i=1,20)
close(1)
end program

Как я использую np.fromfile:

import numpy as np
f=open('mytest','rb')
f.seek(0)
x=np.fromfile(f,'>i4',count=20)
print len(x),x

поэтому, если я использую его таким образом, он возвращает именно мой массив [1,...,20] np, но установка count=-1 возвращает [1,...,20,0,0,0,0,0] с размером 1600.

Я использую машину с прямым порядком байтов (ни на что не должна влиять) и компилирую код Fortran с помощью ifort.

Мне просто любопытно, почему это происходит, чтобы избежать каких-либо сюрпризов в будущем.


  • Избегайте использования единиц меньше 10 в Fortran. Это не проблема здесь, но это рискованно. Небольшие номера единиц часто предварительно связаны с чем-то другим. Чаще всего единицы 0, 5 и 6, но они могут быть разными номерами. 02.06.2017
  • Я думаю, что вы можете неправильно писать массив на Фортране. recl=4*20 не является переносимым и не подходит для ifort. 02.06.2017
  • Это дубликат stackoverflow.com/questions/37770912/ Я сделал ошибку при закрытии, я снова открыл его, и теперь я больше не могу голосовать. 02.06.2017
  • понятно, спасибо за быстрый ответ 02.06.2017
  • неважно, установка recl на = 20 ничего не изменила для python, и код на фортране теперь может только читать файл, если он больше == initial_size. 02.06.2017
  • и код на фортране теперь может только читать файл, если он больше == initial_size Но это правильно! Именно так и должно быть! 02.06.2017
  • Я знаю, но почему python все еще объединяет 1520 нулей с моим вектором 02.06.2017
  • Насколько велик файл данных? 1600 целых чисел - это слишком много, это нельзя объяснить проблемой Фортрана, потому что 4 * 4 * 20 - это всего 320 байт. В любом случае, было бы лучше исправить ваш код в вопросе на recl=20, чтобы было понятно, что это исправлено. 02.06.2017
  • Я подозреваю, что это просто минимальный размер блока файла. 02.06.2017
  • Я не уверен, что вы имеете в виду ... numpy.fromfile автоматически устанавливает 1600 как минимум? 02.06.2017
  • Каков размер файла? 02.06.2017
  • Глупая ошибка, я забыл удалить файл, поэтому он сохранил размер более раннего теста с большим нулевым вектором... упс. Спасибо, парни 02.06.2017
  • Вы должны указать status='replace' (я так давно не использовал прямой доступ, я думал, что это значение по умолчанию). На самом деле вам, вероятно, следует использовать access='stream' в любом случае. 02.06.2017

Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..