Python 3.x 使用tensorflow从google云存储加载.npy文件

Python 3.x 使用tensorflow从google云存储加载.npy文件,python-3.x,numpy,tensorflow,google-cloud-ml,Python 3.x,Numpy,Tensorflow,Google Cloud Ml,我正在尝试将.npy文件从我的google云存储加载到我的模型中。我在这里遵循了这个示例 但是我得到了这个错误 “utf-8”编解码器无法解码中的字节0x93 位置0:起始字节无效 你能帮我吗?? 下面是代码中的示例 我在这里读文件 现在我开始处理它 如果self.\u offset>=len(self.\u元数据): 自偏移量=0 随机.shuffle(self.\u元数据) meta=self.\u元数据[self.\u偏移量] 自偏移量+=1 text=meta[3] 如果self.\u

我正在尝试将.npy文件从我的google云存储加载到我的模型中。我在这里遵循了这个示例 但是我得到了这个错误

“utf-8”编解码器无法解码中的字节0x93 位置0:起始字节无效

你能帮我吗?? 下面是代码中的示例

我在这里读文件 现在我开始处理它
如果self.\u offset>=len(self.\u元数据):
自偏移量=0
随机.shuffle(self.\u元数据)
meta=self.\u元数据[self.\u偏移量]
自偏移量+=1
text=meta[3]
如果self.\u cmudit和random.random()<\u p\u cmudit:
text=''.join([self.\u可能\u为text.split('')中的单词获取arpabet(单词)
输入数据=np.asarray(文本到序列(文本、自身名称),数据类型=np.int32)
f=字符串io(文件io.read文件到字符串(
join('gs://path',meta[0]))
线性目标=tf.Variable(初始值=np.load(f),name='linear目标')
s=StringIO(文件\ io.read\文件\到字符串(
join('gs://path',meta[1]))
mel\u target=tf.Variable(初始值=np.load,name='mel\u target')
返回(输入数据、mel目标、线性目标、len(线性目标))

这是一个数据样本,可能是因为您的文件不包含utf-8编码的文本

您可能需要使用mode='rb'将文件\u io.FileIO实例初始化为二进制文件,或者在调用read\u file\u to\u string时将binary\u mode=True


这将导致读取的数据以字节序列而不是字符串的形式返回。

这可能是因为您的文件不包含utf-8编码的文本

您可能需要使用mode='rb'将文件\u io.FileIO实例初始化为二进制文件,或者在调用read\u file\u to\u string时将binary\u mode=True


这将导致读取的数据以字节序列而不是字符串的形式返回。

非常感谢您,我使用了二进制模式并更改为BytesIO,它工作了谢谢您,我使用了二进制模式并更改为BytesIO,它工作了
with file_io.FileIO(metadata_filename, 'r') as f:
    self._metadata = [line.strip().split('|') for line in f]
if self._offset >= len(self._metadata):
    self._offset = 0
    random.shuffle(self._metadata)
meta = self._metadata[self._offset]
self._offset += 1
text = meta[3]
    if self._cmudict and random.random() < _p_cmudict:
        text = ' '.join([self._maybe_get_arpabet(word) for word in text.split(' ')])

    input_data = np.asarray(text_to_sequence(text, self._cleaner_names), dtype=np.int32)
    f = StringIO(file_io.read_file_to_string(
        os.path.join('gs://path',meta[0]))
    linear_target = tf.Variable(initial_value=np.load(f), name='linear_target')
    s = StringIO(file_io.read_file_to_string(
        os.path.join('gs://path',meta[1])))
    mel_target = tf.Variable(initial_value=np.load(s), name='mel_target')
    return (input_data, mel_target, linear_target, len(linear_target))