我正在为图像分割模型准备数据。我有5类每像素,不累计覆盖整个图像,所以我想创建一个'空'类作为第6类。现在,我有一个热编码的ndarray和一个解决方案,可以进行一系列Python调用,我希望优化这些调用。 我现在的草图代码:
arrs.shape
(25, 25, 5)
null_class = np.zeros(arrs.shape[:-1])
for i in range(arrs.shape[0]):
for j in range(arrs.shape[1]):
if not np.any(arrs[i][j] == 1):
null_class[i][j] = 1
理想情况下,我会找到一些行和更有效的方法来计算空示例-我的实际训练数据来自20K x 20K图像,我希望一次计算和存储所有这些数据。有什么建议吗?你知道吗
我相信你可以用^{} 和^{} 的组合来做到这一点。使用
all
检查最后一个维度上的所有零将得到一个布尔数组,即True
,其中null_class
应该是1
。为了便于显示,我将使用(2,2,5)
数组。你知道吗相关问题 更多 >
编程相关推荐