Python 保存提取的特征以备将来培训和深入学习的最佳方法

我使用VGG19体系结构从图像中提取特征。以下是我的代码：

model = VGG19(include_top=False)
image_paths = glob.glob('train/*/*')

def extract_features(model, path):
  img_path = path
  img = image.load_img(img_path, target_size=(224,224))
  x = image.img_to_array(img)
  x = np.expand_dims(x, axis=0)
  x = preprocess_input(x)
  features = model.predict(x)

for path in image_paths:
  extract_features(model, path)

---

我想将每个功能保存为格式，以便以后在torch或tf中用于深入学习。通常，我只是将每个

功能添加到一个列表中，并将该列表保存为csv，但我遇到了将列表输入深度学习模型的问题。如何以正确的格式保存此数据？
我有两个建议：

保存每个文件的功能，例如，对于cat.png，将其另存为cat.npy；在浏览文件列表（cat.png、dog.png、snake.png）时，首先检查功能是否已经创建，并直接加载.npy文件

第二种方法是使用字典数据结构，其中使用样本的索引作为键，使用提取的特征作为值。例如：

index = 123
feature = extract_feature(...)
dictionary[index] = feature

你可以把这本字典保存到pickle。然后下次加载它，直接从字典中提取索引的功能。
如果是numpy:np.save（…）？或者为什么不使用pickle？np.save保存最后的张量是有意义的，但是我想将每个
特性添加到什么数据结构中呢？也许您可以在检查点保存模型？