【scipy】计算labels标签中各个类别对应的整数的个数

这段内容展示了如何利用scipy库分析一个二维张量,其中每一列代表一个类别的样本,统计每个类别的出现次数。输出显示了不同类别的整数标签及其对应的样本数量。
摘要由CSDN通过智能技术生成
#输出
import scipy.stats as scipystats
import torch
labels = torch.randint(0,21,(9,9))
freqCount = scipystats.itemfreq(scipystats.itemfreq(labels))
print(labels)
print(freqCount)

#输出

tensor([[ 6., 13., 20.,  5., 20., 12., 10., 15., 10.],
        [14., 19.,  4.,  3., 14.,  3., 12., 18., 15.],
        [ 7.,  2., 10.,  7.,  2., 20., 20., 18., 18.],
        [ 9.,  4.,  9.,  8.,  9., 16.,  8., 16., 15.],
        [ 9.,  0.,  1.,  0.,  6.,  1., 12., 15.,  6.],
        [19., 19., 18., 20.,  8., 11., 10.,  2., 14.],
        [ 1., 20., 18., 20., 10., 17.,  4.,  5., 20.],
        [11., 13., 14., 17., 18., 18.,  5.,  5.,  7.],
        [ 3., 14., 13., 10.,  5.,  9., 14.,  0.,  9.]])
[[  0.   1.]
 [  1.   1.]
 [  2.   4.]
 [  3.  12.]
 [  4.   2.]
 [  5.   2.]
 [  6.   4.]
 [  7.   2.]
 [  8.   2.]
 [  9.   1.]
 [ 10.   1.]
 [ 11.   1.]
 [ 12.   1.]
 [ 13.   1.]
 [ 14.   1.]
 [ 15.   1.]
 [ 16.   1.]
 [ 17.   1.]
 [ 18.   1.]
 [ 19.   1.]
 [ 20.   1.]]
 

  • 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