如何从Colaboratory导出非TXT格式数据至Google Drive？

别担心，我来帮你搞定在Colab里把这些非文本格式数据存到Google Drive的事儿！首先得先把你的Google Drive挂载到Colab环境里——这是所有操作的前提，先执行这段代码完成挂载：

from google.colab import drive
drive.mount('/content/drive')

运行后会弹出授权链接，跟着提示登录你的Google账号，复制授权码粘贴到输入框里，就能完成Drive的挂载了。挂载成功后，你的Drive内容会出现在/content/drive/MyDrive/路径下。

1. 保存NumPy数组到Drive #

NumPy自带了专门的保存方法，直接指定Drive路径就能搞定：

import numpy as np
import os

# 先创建保存目录（如果不存在的话）
save_dir = '/content/drive/MyDrive/numpy_datasets'
if not os.path.exists(save_dir):
    os.makedirs(save_dir)

# 假设你有一个要保存的NumPy数组
my_np_array = np.random.rand(100, 100)  # 示例数组

# 保存为.npy格式（NumPy专用格式，保留数组所有信息）
save_path = os.path.join(save_dir, 'my_array.npy')
np.save(save_path, my_np_array)

# 验证：加载回来检查
loaded_array = np.load(save_path)
print("数组保存验证：", np.array_equal(my_np_array, loaded_array))

如果你需要保存多个数组，可以用np.savez()方法，把多个数组打包成一个.npz文件。

2. 保存PIL图像到Drive #

PIL图像对象直接调用save()方法，指定Drive路径和格式即可：

from PIL import Image
import numpy as np
import os

# 创建保存目录
save_dir = '/content/drive/MyDrive/colab_images'
if not os.path.exists(save_dir):
    os.makedirs(save_dir)

# 示例：从NumPy数组创建一个PIL图像（你也可以用Image.open()加载本地图像）
img_array = np.random.randint(0, 255, size=(300, 300, 3), dtype=np.uint8)
pil_img = Image.fromarray(img_array)

# 保存为PNG格式（也可以改成.jpg、.webp等PIL支持的格式）
save_path = os.path.join(save_dir, 'my_pil_image.png')
pil_img.save(save_path)

# 验证：加载图像
loaded_img = Image.open(save_path)
loaded_img.show()  # 在Colab里会显示图像预览

3. 保存.h5格式的Keras/TensorFlow模型到Drive #

TensorFlow/Keras的模型直接用save()方法，指定Drive路径就能生成.h5文件：

from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
from tensorflow.keras.models import load_model
import os

# 创建模型保存目录
save_dir = '/content/drive/MyDrive/tf_models'
if not os.path.exists(save_dir):
    os.makedirs(save_dir)

# 示例：创建并编译一个简单模型（替换成你自己训练好的模型）
model = Sequential([
    Dense(32, activation='relu', input_shape=(10,)),
    Dense(1, activation='sigmoid')
])
model.compile(optimizer='adam', loss='binary_crossentropy')

# 保存为.h5格式
save_path = os.path.join(save_dir, 'my_tf_model.h5')
model.save(save_path)

# 验证：加载模型
loaded_model = load_model(save_path)
print("模型加载成功，模型结构：")
loaded_model.summary()

一些注意事项 #

• 确保你指定的保存路径存在，如果文件夹不存在，一定要用os.makedirs()提前创建，否则会报错。
• 挂载Drive后，所有操作的路径都要以/content/drive/MyDrive/开头，不要用本地路径。
• 保存完成后，可以直接打开你的Google Drive，到对应的文件夹里查看文件是否成功保存。

内容的提问来源于stack exchange，提问作者Ahmed Besbes