Python 如何在Keras中为自动编码器洗牌训练数据

我在Keras中使用自动编码器。我希望对训练数据进行洗牌

x_train

，以便自动编码器将数据重建为来自同一类的不同样本。这可能吗

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))

---

我假设

shuffle=True

正在洗牌

x\u train

，并根据相同的对计算损失，这不是我想要它做的。

这是可能的，但Keras不会为您这样做，因为它将数据和标签一起洗牌。假设您已获得标签，我发现此函数对于您的目的非常有用：

import numpy as np

def create_pairs(data, labels):
    # Exclude batch dimension
    pairs = np.empty(0, 2, *data.shape[1:])

    for label in np.unique(labels):
        idxs = np.where(labels == label)[0]
        # Indexes must be even in order to create pairs
        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，数据已被洗牌并分成对，您可以训练您的模型：

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)