记录一下打乱训练数据的几种方法
shuffle(array): array是带索引的序列,可以是arrays, lists, dataframes或scipy sparse matrices。
shuffle(array): 同上
index = np.arange(0,y_train.shape[0],1):0是起点,y_train.shape[0]是终点,1是步长。
np.arange()函数返回一个有起点和终点的固定步长的排列,如[1,2,3,4,5],起点是1,终点是5,步长为1。
buffer_size表示填充缓冲区大小,从该缓冲区中随机采样元素,用新元素替换所选元素。为了实现完美的混乱,需要缓冲区大小大于或等于数据集的完整大小。
dataset = tf.data.Dataset.range(3)
dataset = dataset.shuffle(3, reshuffle_each_iteration=True)
permutation随机排列一个序列
shuffled_index = np.random.permutation([i for i in range(数据的长度)])
shuffled_train = [train[i] for i in shuffled_index]
shuffled_label = [train_label[i] for i in shuffled_index]
shuffled_train = np.array(shuffled_train)
shuffled_label = np.array(shuffled_label)