Python 3.x 如何从现有TensorFlow数据集中删除某些类（标签和图像）？（时装设计师）

我刚刚开始学习更多关于TensorFlow和numpy的知识。我目前正在使用TensorFlow的Fashion MNIST数据集，其中包括10种服装。但是，我希望能够编辑包含这些数据集的numpy数组，以删除所有不是“T恤衫”、“衬衫”和“裤子”的图像和标签。本质上，我只想从Fashion MNIST创建一个仅包含这3种类型的数据集

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.fashion_mnist.load_data()

以上是我目前导入数据集的方式，据我所知，在预处理数据集之前，有几种不同的导入方法。如何确保正确删除标签及其对应的图片，以便生成的标签和图像仍然彼此对应？

给您-

从tensorflow.keras.datasets导入时尚列表
（序列图像，序列标签），（测试图像，测试标签）=时尚列表加载数据（）
#基于索引的排序
idx=np.argsort（序列号标签）
列车图像=列车图像[idx]
列车标签=列车标签[idx]
idx=np.argsort（测试标签）
测试图像=测试图像[idx]
测试标签=测试标签[idx]
标签=[“T恤”、“裤子”、“套头衫”、“连衣裙”、“外套”，
“凉鞋”、“衬衫”、“运动鞋”、“包”、“踝靴”]
label_mapping=dict（zip（标签，范围（10）））
def get_数据（映射、类）：
X_序列，X_测试，y_序列，y_测试=[]，[]，[]，[]，[]
对于类中的cls：
idx=映射[cls]
开始=idx*6000
结束=idx*6000+6000
附加（序列图像[开始：结束]）
y\u train.append（列标签[开始：结束]）
开始=idx*1000
结束=idx*1000+1000
附加（测试图像[开始：结束]）
附加（测试标签[开始：结束]）
返回X_列，X_测试，y_列，y_测试
X_列，X_测试，y_列，y_测试=获取数据（标签映射，
类别=[“T恤”、“衬衫”、“裤子”]）

您可以找到类与其标签之间的映射

---

希望对你有帮助！享受吧

嘿@AAJ，如果你觉得这个答案有用，请接受并投票表决