我刚开始使用Tensorflow，通过神经网络来分类图像。我有一个形状为[N, 128, 128, 1]的Tensor，包含N张128×128的单通道图像，还有一个形状为[N]的Tensor，包含这些图像的标签。

我想把它们全部打乱，并按80%-20%的比例分割成训练和测试数据集。我没有找到一种方法来“打包”我的张量，以便将每张图像与其标签关联起来（以便以相同的方式打乱图像和标签）。这是可能的吗？如果不可能，我该如何实现这种打乱和分割的工作？

感谢任何帮助！

回答：

只需在函数tf.random_shuffle中对标签和数据使用相同的’seed’关键字参数值，例如seed=8。

ipdb> my_data = tf.convert_to_tensor([[1,1], [2,2], [3,3], [4,4], [5,5], [6,6], [7,7], [8,8]])ipdb> my_labels = tf.convert_to_tensor([1,2,3,4,5,6,7,8])ipdb> sess.run(tf.random_shuffle(my_data, seed=8))array([[5, 5],   [3, 3],   [1, 1],   [7, 7],   [2, 2],   [8, 8],   [4, 4],   [6, 6]], dtype=int32)ipdb> sess.run(tf.random_shuffle(my_labels, seed=8))array([5, 3, 1, 7, 2, 8, 4, 6], dtype=int32)

编辑：如果你需要在运行时进行随机打乱，例如批次将被随机但不同地打乱，你可以使用这样的技巧：

# 每次打乱模式都会不同# 目前，它有效indicies = tf.random_shuffle(tf.range(8))params = tf.convert_to_tensor([111, 222, 333, 444, 555, 666, 777, 888])sess.run(tf.add(tf.gather(params, indicies), tf.gather(params, indicies) * 1000))> array([555555, 444444, 666666, 222222, 111111, 888888, 333333, 777777], dtype=int32)

由相同数字组成的数字显示，gather<-indicies使用了相同的种子值