如何打乱数据（4-D Tensor {不能使用 sklearn}）和 label 而不会干扰它们的顺序

Question

我将图像转换为张量（4-D），现在我想在不扰乱顺序的情况下对其进行洗牌。

我试过了

idx = np.random.permutation(len(data))
x,y = data[idx], classes[idx]

但出现错误：

TypeError: Only integers, slices (`:`), ellipsis (`...`), tf.newaxis (`None`) and scalar tf.int32/tf.int64 tensors are valid indices, got array([135,  80, 178, ..., 253, 103])

Answer 1

以相同的顺序改组两个张量

indices = tf.range(start=0, limit=tf.shape(X)[0], dtype=tf.int32)
shuffled_indices = tf.random.shuffle(indices)

shuffled_X = tf.gather(X, shuffled_indices)
shuffled_y = tf.gather(y, shuffled_indices)

print('before')
print('X', X.numpy())
print('y', y.numpy())

print('after')
print('X', shuffled_X.numpy())
print('y', shuffled_y.numpy())

Answer 2

如果数据和类是一维张量，你可以这样做

data = tf.constant([i for i in range(10)])
classes = tf.constant([i for i in range(10)])

idx = np.random.permutation(len(data))
x = tf.gather(data, idx)
y = tf.gather(classes, idx)

另请参阅以相同顺序改组两个张量