Python 有没有一种方法可以创建一个模型,在将屏蔽数据传送到另一个网络之前创建一个屏蔽来丢弃某些输入?
这可能是一个有点愚蠢的问题,但我正在尝试构建一个模型,能够在将过滤后的输出提供给另一个网络之前过滤掉输入 例如,我有一个图像,我想与大约100张图片的数据库进行匹配,然后我将应用第一个网络来执行一些操作,输出最有可能正确匹配的前10张图片。之后,我将应用第二个网络,使用第二个网络重新匹配前10张图片Python 有没有一种方法可以创建一个模型,在将屏蔽数据传送到另一个网络之前创建一个屏蔽来丢弃某些输入?,python,image-processing,deep-learning,pytorch,object-detection,Python,Image Processing,Deep Learning,Pytorch,Object Detection,这可能是一个有点愚蠢的问题,但我正在尝试构建一个模型,能够在将过滤后的输出提供给另一个网络之前过滤掉输入 例如,我有一个图像,我想与大约100张图片的数据库进行匹配,然后我将应用第一个网络来执行一些操作,输出最有可能正确匹配的前10张图片。之后,我将应用第二个网络,使用第二个网络重新匹配前10张图片 INPUT --> | NETWORK 1 | --> FILTERED OUTPUT --> | NETWORK 2 | --> FINAL OUTPUT 想知道是否有一
INPUT --> | NETWORK 1 | --> FILTERED OUTPUT --> | NETWORK 2 | --> FINAL OUTPUT
想知道是否有一种方法可以实现这种过滤行为,即过滤后的输出被馈送到第二个模型,就像这样。您可以使用numpy查看布尔索引数组
>>> import numpy as np
>>> x = np.array(range(20))
>>> x
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9,
10, 11, 12, 13, 14, 15, 16, 17, 18, 19])
>>> x[x > 10]
array([11, 12, 13, 14, 15, 16, 17, 18, 19])
x>10返回一个包含20个布尔值的数组,因此您可以尝试以下方法:
x = pic_arr[network1(pic_arr)]
network2(x)
其中pic_arr是一个包含图片的数组,network1返回一个列表,其中包含要选择的图片的布尔值。这看起来非常有用,我们将尝试实现它!谢谢