随机打乱函数 torch.randperm的使用（类似tensorflow中的tf.random_shuffle）

paper_jet

于 2023-05-12 03:27:43 发布

阅读量1.3k

点赞数 2

文章标签： tensorflow python 深度学习

本文链接：https://blog.youkuaiyun.com/djdjdhch/article/details/130633915

版权

文章讲述了如何利用PyTorch中的torch.randperm函数生成随机排列的索引，结合view方法来打乱一维和多维张量的元素顺序，从而实现张量的随机洗牌操作。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

例：一维

x = torch.tensor([2,5,16,10,0,5618,81,8,18])
indices = torch.randperm(x.numel())
shuffled_x = x[indices]
print(shuffled_x)
# tensor([   2,   18, 5618,   81,    5,   10,    8,    0,   16])

indices = torch.randperm(x.numel())
shuffled_x = x.view(-1)[indices].view(x.size())

在这里，torch.randperm(x.numel()) 函数生成从 0 到 x.numel()-1 的整数序列随机排列，这个序列的长度等于 x 的元素个数。随机排列后的序列可以用来索引 x.view(-1) (将 x 张量展平为一个一维张量)，以此来打乱 x 中的元素顺序。最后，通过 view(x.size()) 将张量恢复到原来的形状。

如果要打乱一个多维张量的元素顺序，需要在 view 函数中使用多个参数，如下所示：

indices = torch.randperm(x.numel())
shuffled_x = x.view(x.size()[0], -1)[indices].view(x.size())