MNIST和Fashion_MNIST叠加困难

Question

我知道这是基本的，对你们来说太简单了，但是我是一个初学者，需要你的帮助。我很难用CNN制作二进制分类器。我的最终目标是检查精度超过0.99

我同时导入MNIST和FASHION_MNIST来识别它是号码还是衣服。所以有两个类别。我想将0-60000归为0,60001-120000归为1.我将使用binary_crossentropy.

但我不知道如何从一开始就开始。首先，我如何使用vstackh堆栈来组合MNIST和FASHION_MNIST？

到目前为止，我就是这样尝试的

****import numpy as np
from keras.datasets import mnist
from keras.datasets import fashion_mnist
import keras
import tensorflow as tf
from keras.utils.np_utils import to_categorical
num_classes = 2
train_images = train_images.astype("float32") / 255
test_images = test_images.astype("float32") / 255
train_images = train_images.reshape((-1, 784))
test_images = test_images.reshape((-1, 784))
train_labels = to_categorical(train_labels, num_classes)
test_labels = to_categorical(test_labels, num_classes)****

Answer 1

首先，

它们是图像，所以最好把它们当作图像来对待，不要将它们重塑成向量。

现在是问题的答案。假设您有mnist_train_image和fashion_train_image，两者都有(60000, 28, 28)输入形状。

你想要做的是由两个部分组成，结合输入和目标。

首先是输入

正如您在这个问题中已经写过的，您可以像这样使用np.vstack

>>> train_image = np.vstack((fashion_train_image, mnist_train_image))
>>> train_image.shape
(120000, 28, 28)

但是，正如你应该已经注意到的，记住你是需要vstack还是dstack还是hstack都有点痛苦。我更喜欢用np.concatenate代替

>>> train_image = np.concatenate((fashion_train_image, mnist_train_image), axis=0)
>>> train_image.shape
(120000, 28, 28)

现在，不需要记住什么是v、h或d，您只需要记住要连接的轴(或维度)，在这种情况下，它是第一个轴，意思是0。特别是在这种情况下，“垂直”是第二个轴，因为它是一堆图像，而第一个轴是“批处理”。

接下来，标签

因为您想将0-60000划分为0,60001-120000归为1，所以有很多奇特的方法可以做到这一点。

但是简单地说，您可以使用np.zeros创建一个填充了0的数组。你猜，np.ones会创建一个充满1的数组。但是由于ones和zeros都给出了一个浮点数数组，我不确定这会不会成为一个问题，所以我在后面添加了.astype('uint8')，以防万一。您也可以在函数中添加参数dtype='uint8'。

使用上面的级联

>>> train_labels = np.concatenate((np.zeros(60000), np.ones(60000))).astype('uint8')
>>> train_labels.shape
(120000,)

对整个大小使用1或0，并减去或添加或重新分配其余的

>>> train_labels = np.zeros(120000).astype('uint8')
>>> train_labels[60000:] = 1
#####
>>> train_labels = np.ones(120000, dtype='uint8')
>>> train_labels[:60000] -= 1

重要！

在您的例子中，关于标签有一个明显的错误，索引以0开头，所以第60000个索引是59,999。

所以你真正想要的是将0-59999归为0,60000-119999归为1。