分类贴标签

DataFrame分类贴标签

y = np.argmax(tf.nn.softmax(encoded_imgs), axis=1)
data_before.loc[:, 'labels'] = y
df1 = data_before[data_before['labels'] == 0]
df2 = data_before[data_before['labels'] == 1]
df3 = data_before[data_before['labels'] == 2]

tf.tensor分类贴标签

y =tf.argmax(tf.nn.softmax(encoden_imgs), axis=1)
y=tf.cast(y,dtype='float32')#(100,),epochs=100
y=tf.expand_dims(y,axis=-1)#扩展维度(100,1)
y_actual= tf.concat([y_actual,y],axis=1)#(100,11)+(100,1)=(100,12)
y_actual['labels'] = y
df1 = y_actual[y_actual[:,12] == 0]
df2 = y_actual[y_actual[:,12] == 1]
df3 = y_actual[y_actual[:,12] == 2]
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值