很多标准的开源数据集都是标注好的数据，我们下载下来就可以直接当训练集使用，例如MNIST, CIFAR-10。但在实际的深度学习训练任务中，有时我们拿到的数据并没有标签，需要我们自己对数据进行标注。例如拿到一套头颈部的CT数据，我们需要预测cerebellum的z轴范围，这就是一个典型的分类任务，我们需要做的就是给cerebellum一个标签，非cerebellum一个标签，通常是使用one-hot编码方式。
#给训练集标注数据
for i in range(cerebellum_label.shape[0]):
#index是cerebellum所在层的索引
if i in index:
y = [1,0]
else:
y = [0,1]
y_train.append(y)
print(len(y_train))
y_train = np.array(y_train)
训练完成后，我们用训练好的模型对一套没有进行过标注的数据进行预测
#model为训练网络保存的模型
label_test = model.predict(imgs, batch_size=24, verbose=1)
label_test = np.where(label_test>=0.5,1,0)
index = []
for i, label in enumerate(label_test):
if label[0]==1:
if label[1]==0:
#现在的index就是预测的z轴索引范围
index.append(i)
