【python】深度学习训练中重要函数&问题汇总

1.tensorflow版本更新导致的 tensor，numpy无法相互转换报错的代码问题

解决方法：在import tf后添加一行代码如下，可以实现tf.v1&v2版本的兼容调用

import tensorflow as tf
#可兼容tf.v1版本的session，将numpy与tensor相互转化,绘制混淆矩阵图
tf.compat.v1.disable_eager_execution()

2.keras和tf部分版本网络结构不兼容，需酌情考虑网络编写用sequential形式（tf常见）or自定义类or直接调用的方式（keras常见）

3.清洗无用、异常label：常用循环，np.delete后删除

4.processing.LabelEncoder()，用于将一些字母等其他字符串形式的label转化为range形式的数字

label，方便训练。但后续尤其是多分类的训练过程中，多需要进行label的稀疏化，即一次只激活一个类别，one-hot编码形式，常用到to_categorical()函数（也可以用对角矩阵np.eye()*原矩阵）

5.np.argmax()将one-hot形式后的label还原