介绍, def 洗牌(自我,,x,, y,随机=None, int=int):
,,,,,,,,if random is 没有:
,,,,,,,,,,,random =self.random
,,,,,,,,,,,,,,,,for 小姐:拷贝范围(len (x)):
,,,,,,,,,,,j =, int(随机(),*,(小姐:+,- 1))
,,,,,,,,,,,if j , def 洗牌(自我,,x,, y,随机=None, int=int):
,,,,,,,,,,x,,随机=random.random →, shuffle list x 拷贝,return 没有一个。
,,,,,,,Optional arg random is a 0-argument function returning a 随机的
,,,,,,,float 拷贝(0.0,1.0);,by 默认情况下,,,standard random.random。
,,,,,,,,,,
,,,,,,,if random is 没有:
,,,,,,,,,,,random =, self.random 随机=random.random #
,,,,,,,#转成numpy
,,,,,,,if torch.is_tensor (x)==True:
,,,,,,,,,,,if self.use_cuda==True:
,,,,,,,,,,,,,,x=x.cpu () .numpy ()
,,,,,,,,,,,其他的:
,,,,,,,,,,,,,,x=x.numpy ()
,,,,,,,if torch.is_tensor (y),==,真的:
,,,,,,,,,,,if self.use_cuda==True:
,,,,,,,,,,,,,,y=y.cpu () .numpy ()
,,,,,,,,,,,其他的:
,,,,,,,,,,,,,,y=y.numpy ()
,,,,,,,#开始随机置换
,,,,,,,for 小姐:拷贝范围(len (x)):
,,,,,,,,,,,j =, int(随机(),*,(小姐:+,- 1))
,,,,,,,,,,,if j image_list=[],,,,,,,,,,, #, list of 图像
label_list=[],,,,,,,,,,, #, list of 标签
,
时间=temp np.array ([image_list, label_list])
时间=temp temp.transpose ()
np.random.shuffle(临时)
,
null
null
null
null
null
null
null
null
null
null
null
null
null
这篇文章主要介绍Pytorch如何使用夹子打乱数据的操作,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中的张量,如果直接使用随机的。洗牌打乱数据,或者使用下面的方式,自己定义直接写。
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张量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】
在经过几次洗牌,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:
<强>补充:python对训练数据集shuffle(打乱)的一些方式
