TensorFlow使用to_categorical处理分割任务掩码如何映射为6个类别

直接使用mask = tf.keras.utils.to_categorical(y,6)不可行，原因如下：
tf.keras.utils.to_categorical的核心逻辑是将输入的整数值直接作为独热编码的索引位置，第二个参数代表类别总数，要求输入的所有整数取值都必须落在[0, 类别总数-1]区间内。你当前使用的标签存在200、240这类远大于5（6类对应的最大索引为5）的取值，直接调用会触发索引越界错误，即便运行不报错，生成的独热编码也完全不符合你的分类需求。

你可以按照以下步骤实现需求：

• 第一步：建立原始标签到连续类别索引的映射关系
  映射规则参考：

  原始标签0 → 类别索引0
  原始标签200 → 类别索引1
  原始标签210 → 类别索引2
  原始标签220 → 类别索引3
  原始标签230 → 类别索引4
  原始标签240 → 类别索引5

• 第二步：对原始标签y做值替换，转换为0-5范围内的连续索引
  若使用numpy离线处理，示例代码：

  import numpy as np
  label_map = {0:0, 200:1, 210:2, 220:3, 230:4, 240:5}
  y_mapped = np.vectorize(label_map.get)(y)
  

  若使用TensorFlow原生逻辑处理（适配计算图训练场景），示例代码：

  import tensorflow as tf
  keys = tf.constant([0, 200, 210, 220, 230, 240], dtype=tf.int32)
  values = tf.constant([0,1,2,3,4,5], dtype=tf.int32)
  table = tf.lookup.StaticHashTable(
      tf.lookup.KeyValueTensorInitializer(keys, values),
      default_value=-1
  )
  y_mapped = table.lookup(y)
  

• 第三步：调用to_categorical生成6类独热编码

  mask = tf.keras.utils.to_categorical(y_mapped, 6)
  

内容的提问来源于stack exchange，提问作者Nicola Mori