在Keras中利用np.random.shuffle()打乱数据集实例
我就废话不多说了，大家还是直接看代码吧~
fromnumpyasnp index=np.arange(2000) np.random.shuffle(index) print(index[0:20]) X_train=X_train[index,:,:,:]#X_train是训练集，y_train是训练标签 y_train=y_train[index]
补充知识：Keras中shuffle和validation_split的顺序
模型的fit函数有两个参数，shuffle用于将数据打乱，validation_split用于在没有提供验证集的时候，按一定比例从训练集中取出一部分作为验证集
这里有个陷阱是，程序是先执行validation_split，再执行shuffle的，
所以会出现这种情况：
假如你的训练集是有序的，比方说正样本在前负样本在后，又设置了validation_split，那么你的验证集中很可能将全部是负样本
同样的，这个东西不会有任何错误报出来，因为Keras不可能知道你的数据有没有经过shuffle，保险起见如果你的数据是没shuffle过的，最好手动shuffle一下
np.random.seed(1024)random.shuffle(index)data=data[index]label=label[index]splitpoint=int(round(num*0.8))(X_train,X_val)=(data[0:splitpoint],data[splitpoint:])(Y_train,Y_val)=(label[0:splitpoint],label[splitpoint:])X_train=X_train/255X_val=X_val/255
以上这篇在Keras中利用np.random.shuffle()打乱数据集实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持毛票票。