Python 选择特定的MNIST类在TensorFlow中训练神经网络

目前，我正在寻找一种从我的训练数据集（MNIST）中筛选特定类的方法，以在不同星座上训练神经网络，例如，仅在类4,5,6上训练网络，然后在0,1,2,3,4,5,6,7,8,9上训练网络，以使用测试数据集评估结果

我想通过控制台使用参数解析器来选择应该在我的训练数据集中的类，这样我就可以将其拆分成小批量。我想我可以通过标签进行分类，但我现在有点被卡住了。。。谢谢你给我小费

您好，

---

亚历克斯找到了答案，我想。。。one hot=True将标量转换为one hot向量：）无论如何，谢谢您的时间

因此，您正在寻找类似于

python myprogram.py 4 5 6

的东西来训练数字4、5、6？完全正确！我想看看结果如何，如果我在排除数字的特定数据集上训练NN（例如，4 5 6），只在0,1,2,3,7,8,9上训练它，然后在我之前排除的数字上训练它，以检查结果并比较NN是否忘记了排除的数字或提醒了它！我想我可以为此制作两个单独的数据集！任何关于我的问题的建议都会很棒。我正在考虑通过argparse创建2个数据集，然后我就可以进行训练了！将argparse与上面概述的过程一起使用会起作用。现在还不清楚你被困在什么地方，基本上我被困在状态检查中。。。我想遍历标签数组，它是一个nd数组。。。（因为标签和数据在MNIST上是对应的，所以我需要做的唯一一件事就是通过索引过滤掉数据，我需要先找到索引）

MNIStrainObjectLabels.shape

返回（55000，10）。。。因此标签基本上以[0.0.0.1.0.0.0.0.0.0]的格式保存标量。这将是类“3”，如何将整数3与这些类型的标量进行比较？我想找到了答案

one hot=True

将标量转换为one hot向量：）无论如何，感谢您抽出时间！