TensorFlow shuffle 用于批量梯度的张量答案

【问题标题】：Tensor flow shuffle a tensor for batch gradientTensorFlow shuffle 用于批量梯度的张量
【发布时间】：2017-11-24 21:33:20
【问题描述】：

它可能与谁有关，

我对 tensorflow 很陌生。我正在尝试解决著名的 CNN MNIST 问题。但是当我不得不重新调整 x_training 数据（这是一个 [40000, 28, 28, 1] 形状数据）时，我遇到了困难。

我的代码如下：

x_train_final = tf.reshape(x_train_final, [-1, image_width, image_width, 1])

x_train_final = tf.cast(x_train_final, dtype=tf.float32)

perm = np.arange(num_training_example).astype(np.int32)
np.random.shuffle(perm)

x_train_final = x_train_final[perm]

发生以下错误：

ValueError：形状必须为 1 级，但对于 'strided_slice_1371'（操作：'StridedSlice'）为 2 级，输入形状为：[40000,28,28,1]、[1,40000]、[1,40000] , [1].

任何人都可以建议我如何解决这个问题？谢谢。

【问题讨论】：

标签： python-2.7 tensorflow shuffle

【解决方案1】：

我建议你使用 scikit 的 shuffle 函数。

from sklearn.utils import shuffle
x_train_final = shuffle(x_train_final)

此外，您可以传入多个数组，shuffle 函数将重新组织（混洗）这些多个数组中的数据，并在所有这些数组中保持相同的混洗顺序。因此，您甚至可以传入您的标签数据集。例如：

X_train, y_train = shuffle(X_train, y_train)

【讨论】：

感谢您的回复。我试过这个方法，出现以下错误。 TypeError: 不支持的操作数类型 /: 'Dimension' 和 'int'
我建议您不要将数据转换为 tensorflow 计算图的一部分。在 tensorflow 中定义层、操作并以 numpy 格式提供图像数据。