我在Keras中使用自编码器。我希望打乱训练数据x_train，使得自编码器能够重构来自同一类别的不同样本。这是可能的吗？

model_train = autoencoder.fit(x_train, x_train,          batch_size=32,          epochs=1000,          shuffle=True,          callbacks=[checkpoint, early_stopping],          validation_data=(x_test, x_test))

我认为shuffle=True是打乱x_train并基于相同的配对计算损失，这并不是我想要的效果。

回答：

这是可能的，但Keras不会为你这样做，因为它会同时打乱数据和标签。假设你已经有了标签，我发现这个函数对你的目的非常有用：

import numpy as npdef create_pairs(data, labels):    # 排除批次维度    pairs = np.empty(0, 2, *data.shape[1:])    for label in np.unique(labels):        idxs = np.where(labels == label)[0]        # 索引必须是偶数以便创建配对        idxs = idxs if len(idxs) % 2 == 0 else idxs[:-1]        np.random.shuffle(idxs)        samples = data[idxs].reshape((-1, 2, *data.shape[1:]))        pairs = np.vstack((pairs, samples))    return pairs[:, 0], pairs[:, 1]

现在数据已被打乱并分成配对，你可以训练你的模型：

x_train, y_train = create_pairs(data, labels)history = model.fit(    x_train, y_train,    batch_size=32,    epochs=1000,    shuffle=True,    callbacks=[checkpoint, early_stopping],    validation_split=0.2)