我在尝试使用机器学习进行语义分割，并且我设法找到了获得正确的一热编码的方法（使用这个：https://www.jeremyjordan.me/semantic-segmentation/），然而我得到的代码非常糟糕，我确信numpy有功能可以提供更优雅的解决方案。
我的想法如下：从一个标签数组（88,240,240）创建一个新的数组（88,240,240,3），每个通道都包含适当的值。
我想到的是这样的代码：
def data_reshape(train_image_list, train_label_list, img_size): temp = np.empty(shape=[train_label_list.shape[0], img_size[1], img_size[0], 3]) temp[:,:,:,0] = train_label_list temp[temp[:,:,:,0] > 0] = 2 temp[temp[:,:,:,0] == 0] = 1 temp[temp[:,:,:,0] == 2] = 0 temp[:,:,:,1] = train_label_list temp[temp[:,:,:,1] == 2] = 0 temp[:,:,:,2] = train_label_list temp[temp[:,:,:,2] < 2] = 0 temp[temp[:,:,:,2] == 2] = 1 train_image_list = np.reshape(train_image_list, newshape=[-1, img_size[1], img_size[0], 1]) train_label_list = np.reshape(temp, newshape=[-1, img_size[1], img_size[0], 3]) return train_image_list, train_label_list编辑：
实际上它没有按预期运行
我将重新表述：
我有一个numpy数组：（88,240,240），它包含88张图像中3个不同标签的信息（0表示标签_0的像素，1表示标签_1的像素，2表示标签_2的像素）。
我希望我的函数输出一个具有3个额外通道的numpy数组，每个通道包含不同的信息：
- （88,240,240,0）将包含标签_0的像素，其值为1（其余为0）
- （88,240,240,1）将包含标签_1的像素，其值为1（其余为0）
- （88,240,240,2）将包含标签_2的像素，其值为1（其余为0）
有人有建议吗？
此致，
Unic0
回答：
train_label_list的值为0,1,2，你想将其扩展到3个通道。对吗？
temp = np.zeros(shape=[train_label_list.shape[0], img_size[1], img_size[0], 3])temp[:, :, :, 0] = train_label_list == 0temp[:, :, :, 1] = train_label_list == 1temp[:, :, :, 2] = train_label_list == 2这应该能解决问题。
