為 Tensorflow 中的 cifar 子類訓練神經網絡：map 標簽

Question

我選擇了 cifar100 的一個子類，僅包含 100 個類中的 20 個。當我嘗試構建一個具有 20 個輸出的神經網絡時，我得到了這個錯誤：

我的 20 個標簽的值在 [0-100] 之間，但最后一層只需要 20 個神經元。當我將最后一層設為 100 個神經元時，我可以訓練我的 model，但准確度很低。

我想要 map range(100) 中的數字使它們成為 range(20) 以便 NN 接受它們。 先感謝您。

Answer 1

我想你可能想做這樣的事情（這將在你將數據/標簽提供給 .network 之前作為預處理步驟完成）：

# dummy array/labels
arr = [1, 3, 6, 8, 10, 4, 7, 15, 25, 19]
print('original array =', arr)

# create mapping (range(20) in your case)
mapping = dict(zip(set(arr), range(10)))
print('mapping =', mapping)

# apply the mapping
new_arr = list(map(lambda x: mapping[x], arr))
print('new array =', new_arr)

# >> output:
# original array = [1, 3, 6, 8, 10, 4, 7, 15, 25, 19]
# mapping = {1: 0, 3: 1, 4: 2, 6: 3, 7: 4, 8: 5, 10: 6, 15: 7, 19: 8, 25: 9}
# new array = [0, 1, 3, 5, 6, 2, 4, 7, 9, 8]

所以基本上你的原始標簽（這是 len(set(labels)) = 20 但值 > 20，如果我理解正確的話）被映射到最小的可能值，以便它可以處理你的損失 function。它可能如果您需要將 map 標簽恢復為原始值，請保留映射以備后用。