我有两个 numpy 数组用于输入数据 X 和输出数据 y。
X = np.array(([2, 3], # sample 1 x
[16, 4]), dtype=float) # sample 2 x
y = np.array(([1, 0], # sample 1 y
[0, 1]), dtype=float) # sample 2 y
我想使用小批量来训练神经网络，如何在知道相应输出仍然对齐的情况下对两个数组进行洗牌？
您可以拥有与各自数组形状相同的索引数组，并且每次都对索引数组进行洗牌。在这种情况下，您可以使用打乱索引以相同的方式重新对齐两个数组。
In [122]: indices = np.indices((2, 2))
In [125]: np.random.shuffle(indices)
In [126]: indices
Out[126]:
array([[[0, 0],
[1, 1]],
[[0, 1],
[0, 1]]])
In [127]: x[indices[0], indices[1]]
Out[127]:
array([[ 2., 3.],
[16., 4.]])
In [128]: y[indices[0], indices[1]]
Out[128]:
array([[1., 0.],
[0., 1.]])
本文内容由网友自发贡献，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系:hwhale#tublm.com(使用前将#替换为@)
