在機器學習中，一般都需要先對資料進行資料預處理工作。模型一般需要反覆的調參，因此可能需要多次使用預處理之後的資料，但是反覆進行資料的預處理工作是多餘的，我們可以將其儲存下來。

#用pickle模組將處理好的資料儲存成pickle格式，方便以後呼叫，即建立一個checkpoint
# 儲存資料方便呼叫
import os
import pickle

pickle_file = 'notMNIST.pickle'
if not os.path.isfile(pickle_file):    #判斷是否存在此檔案，若無則儲存
    print('Saving data to pickle file...
 
')
    try:
        with open('fan.pickle', 'wb') as pfile:
            pickle.dump(
                {
                    'X_train': X_train,
                    'X_test': X_test,
                    'Ytrain': y_train,
                    'y_test': y_test,
                },
                pfile, pickle.HIGHEST_PROTOCOL)
    
 
except Exception as e:
        print('Unable to save data to', pickle_file, ':', e)
        raise
print('Data cached in pickle file.')

#從pickle檔案中讀取資料
pickle_file = 'pickle.pickle'
with open(pickle_file, 'rb') as f:
  pickle_data = pickle.load(f)       # 反序列化，與pickle.dump相反
  X_train = pickle_data['
 
X_train']
  X_test = pickle_data['X_test']
  y_train = pickle_data['y_train']
  y_test = pickle_data['y_test']
  del pickle_data  # 釋放記憶體
print('Data and modules loaded.')