Набор данных CIFAR-10 с использованием Keras

Я использую Keras для обучения модели на CIFAR-10 распознавать некоторые классы, однако, я хочу некоторые классы, а не все из них, поэтому я написал следующий код: 

selected_classes = [2, 3, 5, 6, 7]
print('trainn', x_train.shape, y_train.shape)
x = [ex for ex, ey in zip(x_train, y_train) if ey in selected_classes]
y = [ey for ex, ey in zip(x_train, y_train) if ey in selected_classes]
x_train = np.stack(x)
y_train = np.stack(y).reshape(-1,1)
print(x_train.shape, y_train.shape)

print('testn', x_test.shape, y_test.shape)
x = [ex for ex, ey in zip(x_test, y_test) if ey in selected_classes]
y = [ey for ex, ey in zip(x_test, y_test) if ey in selected_classes]
x_test = np.stack(x)
y_test = np.stack(y).reshape(-1,1)
print(x_test.shape, y_test.shape)
num_classes = len(selected_classes)

И я продолжаю получать следующую ошибку: 

IndexError                                Traceback (most recent call last)
<ipython-input-8-d53a2cf8bdf8> in <module>()

 # Convert class vectors to binary class matrices.
 y_train = keras.utils.to_categorical(y_train, num_classes)
 y_test = keras.utils.to_categorical(y_test, num_classes)

 ~Anaconda3libsite-packageskerasutilsnp_utils.py in to_categorical(y, 
 num_classes)
      n = y.shape[0]
      categorical = np.zeros((n, num_classes))
      categorical[np.arange(n), y] = 1
      output_shape = input_shape + (num_classes,)
      categorical = np.reshape(categorical, output_shape)

 IndexError: index 6 is out of bounds for axis 1 with size 5

Я искал исходный код keras и обнаружил, что : вектор класса y преобразуется в матрицу (целые числа от 0 до num_classes).4

И когда я определяю num_classes до 8 или около того, это работает, однако, у меня есть только 5 классов...

1 2
machine-learning neural-network deep-learning keras conv-neural-network

1 ответ:

Вам нужно переименовать вашу цель. Я бы предложил превратить ваши цели в строки, затем кодировать ярлыки и, наконец, перейти к категориальным.

from keras.utils import to_categorical
from sklearn.preprocessing import LabelEncoder

y= [2, 3, 5, 6, 7]
y=[str(x) for x in y] #as strings
le = LabelEncoder()
le.fit(y)
y_transformed=le.transform(y)

y_train=to_categorical(y_transformed)
Чтобы превратить ваши предсказания в классы, вы можете использовать le.classes_, чтобы узнать, какой класс соответствует какому результату.
2