关于Indian Pine数据集处理方面

[chentiancai]

老师您好，首先非常感谢您开源了你们研究成果的代码，使我们能够更加深入的理解你们的研究思路。在看你们的代码的数据集处理时，发现你们的Indian Pine数据集与官方的不一样，你们的IndianPine.mat中包含三个矩阵，对于其中的TR和TE我不是很理解，官方是16个类组成一个Indian_pines_gt.mat文件，老师您代码中是TR和TE相加构成label，然而底下确实用TR作为一个总的类，我看了相关文件，发现TR中最大数字为13，即只有14个类（包括0），所以冒昧请教老师两个问题，第一、老师您数据集IndianPine.mat中TR和TE是代表什么，为什么与官方不一样，是官方中那部分让您觉得不合理使您将他变为TR和TE；第二、为什么老师您代码中num_class中的类别为14而不是官方数据集的16。
TR = data['TR'] TE = data['TE'] input = data['input'] # (145,145,200) label = TR + TE num_classes = np.max(TR)
当然上述问题可能由于我看的论文不够多，以至于问出相对幼稚的问题，希望老师您多多包容。
期待老师您的回复，不胜感激！
祝老师您身体健康，科研顺利！

[danfenghong]

你好，我们的TR是指训练样本TE是指测试样本，这样固定划分能确保每次结果是可以重复产生的，方便大家在这个划分下对比他们算法的性能。 其次我们的类别是16类，我们的论文也是16类。你可以在确认下，我不清楚为什么你会出现14类。 祝好！ 丹枫 chentiancai ***@***.***> 于2022年7月11日周一 18:07写道：

…

老师您好，首先非常感谢您开源了你们研究成果的代码，使我们能够更加深入的理解你们的研究思路。在看你们的代码的数据集处理时，发现你们的Indian Pine数据集与官方的不一样，你们的IndianPine.mat中包含三个矩阵，对于其中的TR和TE我不是很理解，官方是16个类组成一个Indian_pines_gt.mat文件，老师您代码中是TR和TE相加构成label，然而底下确实用TR作为一个总的类，我看了相关文件，发现TR中最大数字为13，即只有14个类（包括0），所以冒昧请教老师两个问题，第一、老师您数据集IndianPine.mat中TR和TE是代表什么，为什么与官方不一样，是官方中那部分让您觉得不合理使您将他变为TR和TE；第二、为什么老师您代码中num_class中的类别为14而不是官方数据集的16。 TR = data['TR'] TE = data['TE'] input = data['input'] # (145,145,200) label = TR + TE num_classes = np.max(TR) 当然上述问题可能由于我看的论文不够多，以至于问出相对幼稚的问题，希望老师您多多包容。 期待老师您的回复，不胜感激！ 祝老师您身体健康，科研顺利！ — Reply to this email directly, view it on GitHub <#13>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AFL2GZUBOPXQ34P45CQGTFTVTPW5NANCNFSM53G6VB5Q> . You are receiving this because you are subscribed to this thread.Message ID: ***@***.***>

[chentiancai]

你好，我们的TR是指训练样本TE是指测试样本，这样固定划分能确保每次结果是可以重复产生的，方便大家在这个划分下对比他们算法的性能。 其次我们的类别是16类，我们的论文也是16类。你可以在确认下，我不清楚为什么你会出现14类。 祝好！ 丹枫 chentiancai @.> 于2022年7月11日周一 18:07写道：
…
老师您好，首先非常感谢您开源了你们研究成果的代码，使我们能够更加深入的理解你们的研究思路。在看你们的代码的数据集处理时，发现你们的Indian Pine数据集与官方的不一样，你们的IndianPine.mat中包含三个矩阵，对于其中的TR和TE我不是很理解，官方是16个类组成一个Indian_pines_gt.mat文件，老师您代码中是TR和TE相加构成label，然而底下确实用TR作为一个总的类，我看了相关文件，发现TR中最大数字为13，即只有14个类（包括0），所以冒昧请教老师两个问题，第一、老师您数据集IndianPine.mat中TR和TE是代表什么，为什么与官方不一样，是官方中那部分让您觉得不合理使您将他变为TR和TE；第二、为什么老师您代码中num_class中的类别为14而不是官方数据集的16。 TR = data['TR'] TE = data['TE'] input = data['input'] # (145,145,200) label = TR + TE num_classes = np.max(TR) 当然上述问题可能由于我看的论文不够多，以至于问出相对幼稚的问题，希望老师您多多包容。 期待老师您的回复，不胜感激！ 祝老师您身体健康，科研顺利！ — Reply to this email directly, view it on GitHub <#13>, or unsubscribe https://github.com/notifications/unsubscribe-auth/AFL2GZUBOPXQ34P45CQGTFTVTPW5NANCNFSM53G6VB5Q . You are receiving this because you are subscribed to this thread.Message ID: @.>

感谢老师您的回复，确实是我看错了，谢谢老师！
祝好！

[danfenghong]

ok，没问题就行。 chentiancai ***@***.***> 于2022年7月12日周二 17:23写道：

…

你好，我们的TR是指训练样本TE是指测试样本，这样固定划分能确保每次结果是可以重复产生的，方便大家在这个划分下对比他们算法的性能。 其次我们的类别是16类，我们的论文也是16类。你可以在确认下，我不清楚为什么你会出现14类。 祝好！ 丹枫 chentiancai *@*. *> 于2022年7月11日周一 18:07写道： … <#m_8040434878771958356_> 老师您好，首先非常感谢您开源了你们研究成果的代码，使我们能够更加深入的理解你们的研究思路。在看你们的代码的数据集处理时，发现你们的Indian Pine数据集与官方的不一样，你们的IndianPine.mat中包含三个矩阵，对于其中的TR和TE我不是很理解，官方是16个类组成一个Indian_pines_gt.mat文件，老师您代码中是TR和TE相加构成label，然而底下确实用TR作为一个总的类，我看了相关文件，发现TR中最大数字为13，即只有14个类（包括0），所以冒昧请教老师两个问题，第一、老师您数据集IndianPine.mat中TR和TE是代表什么，为什么与官方不一样，是官方中那部分让您觉得不合理使您将他变为TR和TE；第二、为什么老师您代码中num_class中的类别为14而不是官方数据集的16。 TR = data['TR'] TE = data['TE'] input = data['input'] # (145,145,200) label = TR + TE num_classes = np.max(TR) 当然上述问题可能由于我看的论文不够多，以至于问出相对幼稚的问题，希望老师您多多包容。 期待老师您的回复，不胜感激！ 祝老师您身体健康，科研顺利！ — Reply to this email directly, view it on GitHub <#13 <#13>>, or unsubscribe https://github.com/notifications/unsubscribe-auth/AFL2GZUBOPXQ34P45CQGTFTVTPW5NANCNFSM53G6VB5Q <https://github.com/notifications/unsubscribe-auth/AFL2GZUBOPXQ34P45CQGTFTVTPW5NANCNFSM53G6VB5Q> . You are receiving this because you are subscribed to this thread.Message ID: @.*> 感谢老师您的回复，确实是我看错了，谢谢老师！ 祝好！ — Reply to this email directly, view it on GitHub <#13 (comment)>, or unsubscribe <https://github.com/notifications/unsubscribe-auth/AFL2GZVLYMEMHQHQ2VHJQ4DVTU2RTANCNFSM53G6VB5Q> . You are receiving this because you commented.Message ID: ***@***.***>