人工智能以及linux常常会遇到的基础文件格式

csv文件
最早出现csv文件是为了实现简单的数据存储，是一个纯文本的文件，最广泛的应用是在程序之间转移表格数据，能够兼容各类程序


pt文件
.pt 是什么文件?
pytorch的模型文件


sh文件
linux中.sh文件是脚本文件，一般都是bash脚本。
脚本文件英文为Script。实际上脚本就是程序，一般都是由应用程序提供的编程语言。
应用程序包括浏览器(javaScript、VBScript)、多媒体创作工具，应用程序的宏和创作系统的批处理语言也可以归入脚本之类。
脚本文件类似于DOS操作系统中的批处理文件，它可以将不同的命令组合起来，并按确定的顺序自动连续地执行。
脚本文件是文本文件，用户可使用文本编辑器来创建脚本文件。


md文件
.md文件是什么？.md如何打开？
可能有些朋友会看到以md为结尾的文件，但是不知道用什么打开。下面就来说一下.md文件如何打开，markdown文件用什么打开。
1、首先来普及一下什么是md文件， md全称markdown，markdown也是一种标记语言。　　
2、md文件其实可以用常用的文本编辑器都可以打开，例如记事本、EditPlus、sublime等等。　　
3、用记事本打开，把markdown文件拖到记事本图标上就可以打开 。　　
4、用 sublime打开方法也一样 ，当然也可以在文件上右击选择打开方式。　　
5、当然 打开markdown文件最专业的还是markdownPad软件 。左边是源码，右边可以看展示效果。　

　
pyc文件
pyc 是由py文件经过编译后二进制文件，py文件变成pyc文件后，加载的速度有所提高，而且pyc是一种跨平台的字节码，是由python 的虚 拟机来执行的。
pyc的内容，是跟python的版本相关的，不同版本编译后的pyc文件是不同的，2.5编译的pyc文件，2.4版本的 python是无法执行的。
pyc文件也是可以反编译的，不同版本编译后的pyc文件是不同。



yaml文件
1，yaml简介
yaml是一种用来写配置文件的序列化语言，跟json有些像，yaml又称作json的超集，yaml的设计则是为了友好可读性，主要用于配置信息的书写，
而json设计的目的则是为了简单和通用，主要用于存储数据和应用层数据通信使用。
2，格式
yaml主要有三种类型的数据原语：Maps，Lists，Scales（按照官方法表达：“mappings (hashes/dictionaries), sequences (arrayssts) and scalars (strings/numbers)”）
基于这三种数据原语可以组合出任何数据结构。
破折号和空格( “- ” )：Lists集合
冒号和空格( “: ” ) ：Maps键值对
井号（ “#” ）：注释
三个破折号( “---” ）：文档内容分隔线（多用于文档开始的地方）
三个冒号( “...” ）：表示文档的结束
锚点（“&”），重复项抛锚（“*”）：两者成对表达，像定义变量a，再引用变量a的关系，是一种重复项的替换。
yaml基于缩进的作用域跟python语法格式比较相似，缩进块方便数据的结构化。
注意：yaml文件大小写敏感，不允许使用用tab制表符号代替空格。



pyx文件和pyd 文件
当人们提到 Python 的时候，经常会说到下面两个优点：
写起来方便
容易调用 C/C++ 的库
然而实际上，第一点是以巨慢的执行速度为代价的，
而第二点也需要库本身按照 Python 的规范使用 Python API、导出相应的符号。
因此出现了Cython
Cython 可以让我们方便地：
用 Python 的语法混合编写 Python 和 C/C++ 代码，提升 Python 速度
调用 C/C++ 代码
C语言是编译性语言，而Python则是解释性语言，简而言之，就是Python运行是逐行运行，不需要实现编译，而C需要在运行前编译。
Cython的出现就是这个目的，让Python也可以被编译，然后执行。
那么关于.pyx
.pyx 文件是由 Cython 编程语言 “编写” 而成的 Python 扩展模块源代码文件。
cython是python语言的一个超集，cyx里面可以运行纯python文件。
.pyx 文件类似于 C 语言的 .c 源代码文件，.pyx 文件中有 Cython 模块的源代码。
不像 Python 语言可直接解释使用的 .py 文件，.pyx 文件必须先被编译成 .c 文件，再编译成 .pyd (Windows 平台) 或 .so (Linux 平台) 文件，才可作为模块 import 导入使用。
.pyd
.pyd 文件是非 Python，由其它编程语言 “编写-编译” 生成的 Python 扩展模块。
Python 要导入 .pyd 文件，实际上是在 .pyd 文件中封装了一个 module。在 python 中使用时，把它当成 module 来用就可以了，
即：“import 路径名.modulename” 即可，路径名为 .pyd 文件所在的路径。
基于 Qt/C++ 的 PyQt、PySide GUI (图形用户界面) 开发框架绑定，会为每个 Qt/C++ 库 .dll 文件生成一个中间 .pyd 文件。
PyWin32 项目分发包中，也存在很多 MicroSoft Windows OS 相应 .dll 文件的中间 .pyd 文件。
Cython 可将个人基于 Python 语言编写的 Python 模块编译成具有 C 语言特性的 .pyd 文件。


SO文件
SO文件是Linux下共享库文件,它的文件格式被称为ELF文件格式。由于Android操作系统的底层基于Linux系统,所以SO文件可以运行在Android平台上。


mat文件
mat数据格式是matlab的数据存储的标准格式。 你可以调用matlab的子程序库,用c或fortan调用mat格式的数据。


o文件
.o文件又称对象文件,是可执行文件。 .o文件就是对象文件,是可重定向文件的一种,通常以ELF格式保存,里面包含了对各个函数的入口标记,描述,当程序要执行时还需要链接(link).
链接就是把多个.o文件链成一个可执行文件。


ONNX文件
Open Neural Network Exchange（ONNX，开放神经网络交换）格式，是一个用于表示深度学习模型的标准，可使模型在不同框架之间进行转移。
ONNX是一种针对机器学习所设计的开放式的文件格式，用于存储训练好的模型。它使得不同的人工智能框架（如Pytorch, MXNet）可以采用相同格式存储模型数据并交互。
 ONNX的规范及代码主要由微软，亚马逊 ，Facebook 和 IBM 等公司共同开发，以开放源代码的方式托管在Github上。
目前官方支持加载ONNX模型并进行推理的深度学习框架有： Caffe2, PyTorch, MXNet，ML.NET，TensorRT 和 Microsoft CNTK，并且 TensorFlow 也非官方的支持ONNX。



iml文件
iml是intellij idea的工程配置文件，里面是当前project的一些配置信息。
JAVA 一种编程语言，带有这样的扩展名的文件是 JAVA编译出来的源文件（就是代码文件）。
iml 文件是IntelliJ IDEA 自动创建的模块文件，用于Java应用开发，存储一些模块开发相关的信息，
比如一个Java组件， 插件组件，Maven组件等等， 还可能会存储一些模块路径信息，依赖信息以及别的一些设置。


gitignore文件
gitignore就是git软件要忽略的文件列表.如果要忽略某些文件，在Git工作区的根目录下创建一个特殊的．gitignore文件，
然后把要忽略的文件名填进去，Git就会自动忽略这些文件。
忽略文件的原则是：
1、忽略编译生成的中间文件、可执行文件等，也就是如果一个文件是通过另一个文件自动生成的，那自动生成的文件就没必要放进版本库，比如Java编译产生的．class文件；
2、项目运行时产生的业务数据，比如用户缩略图、用户信息等等；
3、忽略你自己的带有敏感信息的配置文件，比如存放口令的配置文件扩展资料
Git的功能特性：从一般开发者的角度来看，git有以下功能：
1、从服务器上克隆完整的Git仓库（包括代码和版本信息）到单机上。
2、在自己的机器上根据不同的开发目的，创建分支，修改代码。
3、在单机上自己创建的分支上提交代码。
4、在单机上合并分支。
5、把服务器上最新版的代码fetch下来，然后跟自己的主分支合并。


npy文件
npy文件——Numpy专用的二进制格式
np.load()和np.save()是读写磁盘数组数据的两个重要函数。使用时，数组会以未压缩的原始二进制格式保存在扩展名为.npy的文件中。
importnumpy as np#将数组以二进制格式保存到磁盘arr=np.arange(5)np.save('test',arr)#读取数组print(np.load('test.npy'))
保存为.npy文件后如果使用记事本等工具打开浏览会出现乱码，所以如果想在保存后能够浏览内容的话建议不要使用.npy文件


npz文件——压缩文件
使用np.savez()函数可以将多个数组保存到同一个文件中。
np.savez()函数的第一个参数是文件名，其后的参数都是需要保存的数组。传递数组时可以使用关键字参数为数组命名，非关键字参数传递的数组会自动起名为arr_0、arr_1……
np.savez()函数输出的是一个扩展名为.npz的压缩文件，它包含多个与保存的数组对应的npy文件（由save()函数保存），文件名对应数组名
读取.npz文件时使用np.load()函数，返回的是一个类似于字典的对象，因此可以通过数组名作为关键字对多个数组进行访问
importnumpy as np
#将多个数组保存到磁盘
a = np.arange(5)
b= np.arange(6)
c= np.arange(7)
np.savez('test', a, b, c_array=c)
#c_array是数组c的命名
#读取数组
data = np.load('test.npz')  
#类似于字典{‘arr_0’:a,’arr_1’:b,’c_array’:c}
print('arr_0 :', data['arr_0'])
print('arr_1 :', data['arr_1'])
print('c_array :', data['c_array'])
--------------------------------------------------------------------------------
arr_0 :  [01 2 3 4]arr_1 :  [01 2 3 4 5]c_array :  [01 2 3 4 5 6]