如何在TensorFlow中对带标签的方向进行水平翻转

针对你遇到的水平翻转后标签映射需求（1↔3，0和2保持不变），这里有几种简洁高效的实现方式，都能完美嵌入你的计算图流程：

方法一：嵌套条件判断（直观易懂） #

用tf.where逐层判断，直接对目标标签做替换：

hflipped_label = tf.where(tf.equal(label, 1), 3, 
                          tf.where(tf.equal(label, 3), 1, label))

逻辑很清晰：如果标签是1就返回3，否则检查是否是3并返回1，剩下的0和2保持原样。

方法二：数学计算式（更紧凑） #

观察到1和3的和是4，我们可以利用这个规律结合条件判断简化代码：

# 仅对1和3执行4-label运算，其余标签保持不变
hflipped_label = tf.where(
    tf.logical_or(tf.equal(label, 1), tf.equal(label, 3)),
    4 - label,
    label
)

这种写法比嵌套tf.where更简洁，可读性也不错。

方法三：静态哈希表（适合扩展复杂映射场景） #

如果后续可能有更多复杂的标签映射规则，用tf.lookup的静态哈希表会更灵活：

# 定义原标签到翻转后标签的映射关系
keys = tf.constant([0, 1, 2, 3])
values = tf.constant([0, 3, 2, 1])
# 创建静态哈希表，未定义的标签返回原标签作为兜底
label_map_table = tf.lookup.StaticHashTable(
    tf.lookup.KeyValueTensorInitializer(keys, values),
    default_value=label
)
# 执行查找得到转换后的标签
hflipped_label = label_map_table.lookup(label)

完整增强函数示例 #

把图像翻转和标签转换整合到一个函数里，方便Dataset调用：

def horizontal_flip_augment(image, label):
    # 翻转图像
    flipped_image = tf.image.flip_left_right(image)
    # 转换标签（这里选用方法二的实现）
    flipped_label = tf.where(
        tf.logical_or(tf.equal(label, 1), tf.equal(label, 3)),
        4 - label,
        label
    )
    return flipped_image, flipped_label

# 在Dataset中应用该增强操作
augmented_dataset = dataset.map(horizontal_flip_augment)

内容的提问来源于stack exchange，提问作者Russell Gallop