使用Numpy将数据集中的data和target同时shuffle
【使用Numpy将数据集中的data和target同时shuffle】假设现在有图像数据imgs和对应标签targets。数据维度分别如下
imgs.shape = (num, channel, width, height)
targets.shape = (num, class)因为通常我们需要将数据打散，这样的好处是可以让模型训练更具鲁棒性，那么如何同时打散data和target，而且还需要保持对应顺序不变呢？方法如下
# 得到打乱后的index
from random import shuffle
index = [i for i in range(len(imgs))]
shuffle(index)imgs = imgs[index, :, :, :]
targets = targets[index, :]要注意的是数据的维度要保持正确，也就是上面的
:数量要正确，假如在mnist数据集上，target的维度是(num,)维度，所以此时应该写成targets = targets[index]即可。文章图片
MARSGGBO?原创
2018-10-31
转载于:https://www.cnblogs.com/marsggbo/p/9881443.html
推荐阅读
- 由浅入深理解AOP
- 即将到手三百万
- 【译】20个更有效地使用谷歌搜索的技巧
- mybatisplus如何在xml的连表查询中使用queryWrapper
- MybatisPlus|MybatisPlus LambdaQueryWrapper使用int默认值的坑及解决
- MybatisPlus使用queryWrapper如何实现复杂查询
- 思友人
- iOS中的Block
- Linux下面如何查看tomcat已经使用多少线程
- 使用composer自动加载类文件