问题描述
我尝试使用 np.array.split 将数据集分成 2 部分，但效果不佳
希望有人能就这个问题提供一些建议
x` (images tensor) and `y` (labels) should have the same length. Found: x.shape = (14218,32,3),y.shape = (2,7109,10)
代码部分
y_train = utils.to_categorical(y_train_data,number_of_classes) # one-hot encoding
y_test = utils.to_categorical(y_test_data,number_of_classes) # one-hot encoding
# 查看一个类别样本
print('对应类别为7\n',y_train[1])
'''clients_num = 2
X_train = np.array_split(X_train,clients_num)
y_train = np.array_split(y_train,clients_num)
print(np.shape(y_train))'''
input_shape = (img_rows,img_cols,1)
rgb_batch = np.repeat(X_train_data[...,np.newaxis],3,-1)
rgb_batch1 = np.repeat(X_test_data[...,-1)
X_train = tf.image.resize(rgb_batch,(32,32))
X_test = tf.image.resize(rgb_batch1,32))
tf.dtypes.cast(X_train,tf.float32)
tf.dtypes.cast(X_test,tf.float32)
X_train /= 255.0
X_test /= 255.0
解决方法
如果我理解正确，您有 X_train 和 Y_train 是代表您的数据集的 numpy 数组。如果你想把它分成随机部分，你可以例如打乱数据集，然后为第一个客户端取第一个打乱的部分，为第二个客户端取第二个：
rand_indexes= np.arange(len(X_train))
np.random.shuffle(rand_indexes)
X_rand = X_train[rand_indexes]
Y_rand = Y_train[rand_indexes]
X_1_train = X_rand[0:num_samples_1]
Y_1_train = Y_rand[0:num_samples_1]
X_2_train = X_rand[num_samples_1:]
Y_2_train = Y_rand[num_samples_1:]