numpy - 如何在张量流中获取查找表的地图

我有两个不同的数据集，其中包含分类数据和每个数据集的两个对应键。

因此，想象 dataset1 的值[0,1,1,0,2] 带有代表 categoryKey 的键：['cat','dog','mouse']

和 dataset2 与[0,1,2,2,1,2] categoryKey 值：['dog','mouse','cat']

我想通过找到正确的键映射来转换 dataset2 以匹配 dataset1。在这种情况下，数据集 2 与数据集 1 的键匹配的映射是[1,2,0]。应用为 dataset2 的查找，它将对其进行转换：[0,1,2,2,1,2]->[1,2,0,0,2,0]

然后 dataset1 和 2 将具有正确的类别。

这对于普通 python 中的列表理解非常简单，但是相反，我正在使用 tensorflow，所以想象 dataset1 和 dataset2 是 shape 的张量[100,100]。我可以做哪些张量流操作来生成地图[1,2,0]？

事实上，数据集 1 和 2 是数据批次，categorieKeys也是形状为 >(3,3) 的批次。因此，我们不能从张量转换为 numpy，然后再转换为列表并进行列表理解。

找到地图然后转换数据的正确张量流操作是什么？

标签： numpytensorflowuniqueindices