numpy - 如何在张量流中获取查找表的地图
问题描述
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?
解决方案
推荐阅读
- r - 比 plot 更基本的 R 命令
- php - 在表单框架 7 PHP 中使用文本编辑器
- python - 如何将 csv 数据添加到我的 Hashtable?Python
- arrays - 将两个列表与字符串数据进行比较?
- c++ - 如何为 gtkmm 应用程序创建 CMakeLists.txt?
- java - 无法通过 url 将图像下载到我在 android 10 中的手机中
- html - 无法创建网页布局设计
- cassandra - 考虑到消息传递应用程序,Cassandra 需要 IN 子句
- html - 媒体查询没有被触发并且文本没有被包装
- c# - 为什么在返回的 lambda 函数中引用局部变量时不收集垃圾?