既然你穿着制服$x-y-z$格，你很幸运，其他人以前也遇到过类似的问题。具体来说，我建议您查看 HDF5 以了解将此类数据存储为数组的低级方式。

但最后，您不仅要存储一个数组，还要对它做一些实际的事情：插值。为此，更高级的方法是使用 NetCDF 格式，它可以在后台使用 HDF5 来存储数据。NetCDF 库有办法做到这一点，还有更多。给出您拥有的数据大小时，您可能会发现有趣的功能之一是它 (i) 可以将大型数组解释为 3d 数据，(ii) 通过使用有关哪些数据位于何处的空间信息来压缩此数据$x-y-z$空间。

您可以在此处找到 NetCDF 的文档：https : //www.unidata.ucar.edu/software/netcdf/docs/index.html HDF5 和 NetCDF 也有 Python 接口。

使用反卷积神经网络。

有一些方法可以构建一个反卷积神经网络，它获取源图像，然后使用神经网络构建该图像的更高分辨率版本。这基本上与使用卷积神经网络将图像简化为低分辨率特征相反。根据您的数据的样子，可能对您的数据执行相同的操作 - 在这种情况下，您不再需要存储插值数据，因为您可以通过神经网络运行其中的一部分来生成它根据命令。