TensorFlow 2 Conv2D重塑/重映射1D阵列

问题描述

我有来自C＃应用程序的数据，这些数据我已经展平到一维数组，并通过GRPC发送到用于服务模型的tensorflow。推理有效，因此模型具有结构化属性，并且张量流服务正常运行。

推断数据为4,000双。

第一个Conv2D层的模型输入形状为100、40、1。

训练样本为4000双打和一个整数标签，可以是3个可能的值（1、2、3或-1,1等）

• 每个功能的大小为40倍。
• 数据样本中有100个功能。
• 标签输入是一个整数，标签/预测结果是对3个可能值进行编码的分类交叉熵。
• Python 3是一个约束，因此只能在python中无法在C＃中完成。

2个问题：

1. 如何在python中重塑训练样本数据以符合100、40的输入？

2. 如何将单个整数标签（同样在python中）重新映射到3码整数数组以对输出进行编码？

我很好用np.arange（）创建的1,2,3 ... 40个整数数组进行演示，然后演示其中的100个。几周来，我一直在使用Jupyter笔记本电脑进行黑客入侵，试图在没有运气的情况下实现这一目标。

解决方法

第一个

import numpy as np
a = np.arange(1,4001)
print(a)
print(a.shape)
a_mat = a.reshape([40,100])
print(a_mat)
print(a.shape)

第二个用途sklearn

from sklearn.preprocessing import LabelBinarizer

lb = LabelBinarizer()
lb.fit([-1,1,-1,1])

print (lb.transform([-1,1]))
# [[1 0 0]
#  [0 1 0]
#  [0 0 1]]

print (lb.transform([1]))
# [[0 0 1]]