小编thi*_*vin的帖子

我已经制作了一个卷积神经网络来预测使用MNIST数据集的手写数字但是现在我被困在预测我自己的图像作为cnn的输入,我在训练cnn后保存了权重并且想用它来预测我自己的图像(注意:关心我的输入图像是28x28)

码:

new_mnist.py:

ap = argparse.ArgumentParser()
ap.add_argument("-s", "--save-model", type=int, default=-1,
help="(optional) whether or not model should be saved to disk")  
ap.add_argument("-l", "--load-model", type=int, default=-1,
help="(optional) whether or not pre-trained model should be loaded")
ap.add_argument("-w", "--weights", type=str,
help="(optional) path to weights file")
args  = vars(ap.parse_args())

# fix random seed for reproducibility
seed = 7
numpy.random.seed(seed)

# load data
print("[INFO] downloading data...")
(X_train, y_train), (X_test, y_test) = mnist.load_data()
# reshape to be [samples][pixels][width][height]
X_train = X_train.reshape(X_train.shape[0], 1, 28, 28).astype('float32')
X_test = X_test.reshape(X_test.shape[0], …

我几乎所有的项目都在使用keras.layers.Embedding。但是，最近我想摆弄 tf.data 并找到了feature_column.embedding_column。

从文档：

feature_column.embedding_column - DenseColumn从稀疏的分类输入转换而来。当您的输入是稀疏的，但您想将它们转换为密集表示（例如，馈送到 DNN）时，请使用此选项。

keras.layers.Embedding - 将正整数（索引）转换为固定大小的密集向量。例如，[[4], [20]] -> [[0.25, 0.1], [0.6, -0.2]] 该层只能用作模型中的第一层。

我的问题是，两个 api 是否在不同类型的输入数据上做类似的事情（例如输入 - [0,1,2] for keras.layers.Embedding 及其单热编码代表。[[1, 0,0],[0,1,0],[0,0,1] 为 feature_column.embedding_column)？

我想删除仅包含小于 10 且大于 25 的值的行。我的示例数据框将如下所示：

a   b   c  
1   2   3  
4   5   16  
11  24  22  
26  50  65  

预期输出：

a   b   c  
1   2   3  
4   5   16   
26  50  65  

因此，如果该行包含任何小于 10 或大于 25 的值，则该行将保留在数据帧中，否则，需要将其删除。

有什么方法可以用 Pandas 实现这一点，而不是遍历所有行？