数据集的文字标签（label）转成数字标签

但愿有人能明白我标题的意思，因为自己在找相关解决办法的时候这样搜没有找到，所以写这篇博客记录下。

问题：

我要放入模型中的训练集和标签是这样的(都是numpy格式的文件)：

标签集中共有1926个标签，10个类别，（类别前边的数字，代表的是对应的第几张图片）。

然后，直接把他放进模型中训练，但是把标签数组转换成张量的过程中出现了类型不匹配问题

Ytr = np.load('train1/'+'Ytr01.npy',allow_pickle=True)
y_data = torch.from_numpy(Ytr).reshape(1926,).type(torch.FloatTensor)

 

Traceback (most recent call last):
  File "train.py", line 81, in 
    y_data = torch.from_numpy(Ytr).reshape(1926,).type(torch.FloatTensor) #
TypeError: can't convert np.ndarray of type numpy.object_. The only supported types are: float64, float32, float16, int64, int32, int16, int8, uint8, and bool.

 那么，接下来就是解决TypeError: can't convert np.ndarray of type numpy.object_.

思路就是把原标签集中标签的类型改为上述错误中的任一基本类型，可以直接将标签集中的每个类别转换成一个整数。

这里要用到sklearn.preprocessing.LabelEncoder这个工具，文档写了多种转换方式，我根据自己的需要选择了其中一种：

import numpy as np
from sklearn.preprocessing import LabelEncoder
#先把原标签集加载进来
y = np.load('Desktop/UCF10/train1/'+'Ytr01.npy')
#转换
le = preprocessing.LabelEncoder()
y=le.fit_transform(y)
#保存新标签集
np.save("Desktop/UCF10/train1/Ytr01", y)

就是这点代码！顺便把测试标签也转了

看下效果：

自动转好~~，具体解释看官放文档，用哪个理解哪个。官方

再放进模型中就可以正常跑了。。。