我们可以只在数据集的某些类上训练模型吗

Question

我想在数据集的不同类别上训练一些模型，以便每个模型在输出层中只有相关数量的节点。稍后，我想通过制作一个共同的向量来结合他们的学习，比如说，聚合他们的输出。并且最终/聚集模型将从该聚集输出向量中学习。

例如，对于Cifar 10数据集，我有两个模型；模型1和模型2。模型-1只有类1,3,5,7的样本，模型-2有比如说0,3,5,8,9的样本。在这里，很明显，model1只有4个类的样本，所以它在输出层应该只有4个节点。类似地，Model-2有5个类的样本，因此它在输出层中应该有5个节点。

根据我的理解；

CIFAR10数据集中的实际类数：[0,1,2,3,4,5,6,7,8,9]

模型1的类：[1,3,5,7]

模型2的类：[0,3,5,8,9]

我简单地制作了两个具有相关节点数量的模型。但是，当我尝试使用keras.utils.np_utils.to_categorical(y,num_classes=4)为Model-1应用一个热编码时，它不允许我这样做，它给出了以下错误：

InvalidArgumentError:  logits and labels must be broadcastable: logits_size=[32,4] labels_size=[32,7]

我进一步探索了互联网，发现这是由于标签和类别大小的差异，即Model-1具有max。类标签为7，因此这意味着一个热编码需要num_classes作为7，而不是4。但是，根据要求，我必须遵循相同的设置，即只有相关数量的节点应该在模型的输出层。

任何建议都将不胜感激。

Answer 1

终于来了。我找到解决方案了。谢谢。