python numpy 三行代码打乱训练数据 |
您所在的位置:网站首页 › 如何随机打乱数据 › python numpy 三行代码打乱训练数据 |
今天发现一个用 numpy 随机化数组的技巧。 需求我有两个数组( ndarray ):train_datasets 和 train_labels。其中,train_datasets 的每一行和 train_labels 是一一对应的。现在我要将数组打乱并用于训练,打乱后要求两者的行与行之间必须保持原来的对应关系。 实现一般的实现思路,应该是先将 train_datasets(或 train_labels )打乱,并记录被打乱的行号,再通过行号调整 train_labels (或 train_datasets )的行次序,这样两者的对应关系能保持一致。但代码实现起来会很繁琐,而如果用上 numpy 的话,可以三行代码搞定。 首先,假设我们用如下训练数据(训练数据和标签都是三个): >>> train_data = np.ndarray(shape=(3,1,2), dtype=np.int32, buffer=np.asarray((1,2,3,4,5,6), dtype=np.int32)) >>> train_label = np.ndarray(shape=(3,), dtype=np.int32, buffer=np.asarray((1,2,3), dtype=np.int32)) >>> train_data array([[[1, 2]], [[3, 4]], [[5, 6]]], dtype=int32) >>> train_label array([1, 2, 3], dtype=int32)下面,我们用三行代码打乱样本数据: >>> permutation = np.random.permutation(train_label.shape[0]) >>> shuffled_dataset = train_data[permutation, :, :] >>> shuffled_labels = train_label[permutation]稍微解释一下代码: 利用 np.random.permutation 函数,我们可以获得打乱后的行号,输出permutation 为:array([2, 1, 0])。 然后,利用 numpy array 内置的操作 train_data[permutation, :, :] ,我们可以获得打乱行号后的新的训练数据。 我们看看训练数据和标签是不是对应的: >>> shuffled_dataset array([[[5, 6]], [[3, 4]], [[1, 2]]], dtype=int32) >>> shuffled_labels array([3, 2, 1], dtype=int32)没错,完全按照 permutation [2, 1, 0] 的顺序重新调整了。 学会这种技巧,妈妈再也不担心我加班了🤓 欢迎关注我的公众号「AI小男孩」,立志用大白话讲懂AI |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |