我目前正在使用我自己的数据集，其中有4类（猫，狗，老鼠，金枪鱼），到目前为止，我能够在这4类之间进行相当好的分类。
我现在想把这个问题改为“哺乳动物和非哺乳动物之间的分类”，但我找不到一种方法来做到这一点，而不改变图像存储在每个文件夹上的方式。
我想出了一个不是很有效的方法：

def to2Clases(image_generator,batch_size):
  noMammal= (0,0,0,1,)
  for x, y in image_generator:
    for i in range(len(y)):
      
      if all(y[i]==noMammal): y[i] = (0,1,0,0,)
      else: y[i] = (1,0,0,0,)
  yield x, y

例如，我可以使用原始类进行预测，并在需要时转换预测，但我认为这将是我从一开始就一直在处理的同一个问题
有人知道更好的方法吗？

其他方法

唯一的“解决方案”，我能够找到使用Mnist数据集，并将问题转换为二进制分类（偶数/奇数）

even=[0,2,4,6,8]

        #Converting Train labels from numbers to even/odd
        Y_trainbinary= np.empty(Y_train.shape[0],dtype=object)     
        for idx, item in enumerate(Y_train):                     
              if np.nonzero(item)[0] in even:
                    Y_trainbinary[idx] = 0     # even number
              else:
                    Y_trainbinary[idx] = 1     # odd number

        Y_trainmodel = np_utils.to_categorical(Y_trainbinary)

这个解决方案并不适合我，因为MNIST使用标签编码，而我的train生成器使用one-hot编码。

其他信息

这是我定义train_generator的方式

train_datagen = ImageDataGenerator(
    rescale = 1./255,
    horizontal_flip = True,
    vertical_flip = True,
    validation_split = 0.1)

train_generator = train_datagen.flow_from_directory(
    data_train,
    target_size = (img_height, img_width),
    batch_size = batch_size,
    shuffle = True,
    class_mode = 'categorical',
    subset = 'training',
    seed = 42)

这里我打印y来查看它的形状：

x,y = train_generator.next()

print(len(y))
print(len(y[0]))
print(y[0])

输出如下：
32（批量）
4（班级数
[0. 1. 0. 0.]（元组）