是否有一种方法可以从CIFAR-10训练数据集中仅提取所需的类？

Question

我想做的事情看起来很简单，但是没有用。我想对每类图像（矩阵）执行某些操作，因此我首先必须从加扰的批次中提取每个图像。

from tensorflow.keras import datasets
import numpy as np

(train_images, train_labels), (test_images, test_labels)= datasets.cifar10.load_data()
print(len(train_images))
print(len(train_images))
train_images[train_labels==6]

这是错误。当然，这是因为图像矩阵的形状（50000,32,32,3）。即使图像和标签的长度相同，都为50000，但python无法以某种方式使用矩阵作为1项进行过滤。帮助将非常受欢迎。

50000
50000


---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
<ipython-input-170-029cc3d4f0a9> in <module>
      5 
      6 
----> 7 train_images[train_labels==6]

IndexError: boolean index did not match indexed array along dimension 1; dimension is 32 but corresponding boolean dimension is 1

我想做的事情看起来很简单，但是没有用。我想对每类图像（矩阵）执行某些操作，因此我首先必须从加扰的批次中提取每个图像。来自...

Answer 1

这里的问题是train_labels具有形状（50000,1），因此当您对其进行索引时，numpy尝试将其用作二维。这是一个简单的解决方法。