Pytorch如何使用shuffle打乱数据

这篇文章主要介绍Pytorch如何使用shuffle打乱数据，文中介绍的非常详细，具有一定的参考价值，感兴趣的小伙伴们一定要看完！

首先我得告诉你一件事，那就是pytorch中的tensor，如果直接使用random.shuffle打乱数据，或者使用下面的方式，自己定义直接写。

 def Shuffle(self, x, y,random=None, int=int):          if random is None:             random = self.random                  for i in range(len(x)):             j = int(random() * (i + 1))             if j<=len(x)-1:                 x[i],x[j]=x[j],x[i]                 y[i],y[j]=y[j],y[i]           retrun x,y

那你就会收获一堆的混乱数据，因为使用这种交换的方式对tensor类型的数据进行操作，会导致里面的数据出现重复复制的问题。

比如我y中的数据为【0,1,0，1,0，1】

在经过几次shuffle,其中的数据就变成了【1,1,1,1,1,1】。

数据顿时出现混乱。

正确的方式是先转成numpy，再进行交换数据

比如：

 def Shuffle(self, x, y,random=None, int=int):         """x, random=random.random -> shuffle list x in place; return None.         Optional arg random is a 0-argument function returning a random         float in [0.0, 1.0); by default, the standard random.random.         """         if random is None:             random = self.random #random=random.random         #转成numpy         if torch.is_tensor(x)==True:             if self.use_cuda==True:                x=x.cpu().numpy()             else:                x=x.numpy()         if torch.is_tensor(y) == True:             if self.use_cuda==True:                y=y.cpu().numpy()             else:                y=y.numpy()         #开始随机置换         for i in range(len(x)):             j = int(random() * (i + 1))             if j<=len(x)-1:#交换                 x[i],x[j]=x[j],x[i]                 y[i],y[j]=y[j],y[i]         #转回tensor         if self.use_cuda == True:             x=torch.from_numpy(x).cuda()             y=torch.from_numpy(y).cuda()         else:             x = torch.from_numpy(x)             y = torch.from_numpy(y)         return x,y

补充：python对训练数据集shuffle(打乱)的一些方式

1.通过数组来shuffle

image_list=[]           # list of images label_list=[]           # list of labels   temp = np.array([image_list, label_list]) temp = temp.transpose() np.random.shuffle(temp)   images = temp[:, 0]     # array of images   (N,) labels = temp[:, 1]

2.通过索引 Index 来 shuffle

image_list=[]           # list of images label_list=[]           # list of labels   ##如果image_list存的是读取的特征数据，而不是图片路径，不要注释后面两句（list无法索引内部list） #[list indices must be integers or slices, not list] #image_list = np.array(image_list) #label_list = np.array(label_list)   index = [i for i in range(len(image_list))] np.random.shuffle(index) images = image_list[index] labels = label_list[index]

以上是“Pytorch如何使用shuffle打乱数据”这篇文章的所有内容，感谢各位的阅读！希望分享的内容对大家有帮助，更多相关知识，欢迎关注亿速云行业资讯频道！