Pytorch如何使用shuffle打乱数据的操作

这篇文章主要介绍Pytorch如何使用shuffle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 imageslabel_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 imageslabel_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]

pytorch的优点

1.PyTorch是相当简洁且高效快速的框架；2.设计追求最少的封装；3.设计符合人类思维，它让用户尽可能地专注于实现自己的想法；4.与google的Tensorflow类似，FAIR的支持足以确保PyTorch获得持续的开发更新；5.PyTorch作者亲自维护的论坛 供用户交流和求教问题6.入门简单

以上是“Pytorch如何使用shuffle打乱数据的操作”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，欢迎关注编程网行业资讯频道！