问题描述
重新发布我的original question，因为即使在提高清晰度后，社区也没有恢复它。
我正在寻找一种使用TensorFlow内置方法将要素和相应标签数据拆分为训练和测试的方法。我的数据已经在两个张量（即tf.Tensor对象）中，分别名为features和labels。
我知道如何使用sklearn.model_selection来处理numpy数组，如本post所示。另外，有人指出了这个method，它要求数据在单个张量中。另外，我需要训练集和测试集不相交，这与method不同（这意味着它们在拆分后不能有公共数据点）。
我正在寻找一种使用Tensorflow中内置方法进行相同操作的方法。
我的要求可能有太多条件，但是基本上需要的是Tensorflow中与sklearn.model_selection.train_test_split()等效的方法，如下所示：
import tensorflow as tf
X_train,X_test,y_train,y_test = tf.train_test_split(features,labels,test_size=0.1,random_state=123)
解决方法
您可以通过以下方式使用TF来实现此目的
custom scopes我们在这里要做的是首先创建一个随机的统一张量，其长度与数据的长度相同。
然后，根据 $this->load->library('zend');
$this->zend->load('Zend/Barcode');
$barcodeOptions = array(
'text' => $code,'barHeight' => $height,'barThinWidth' => $width
);
$rendererOptions = array(
'imageType' => 'png','horizontalPosition' => 'center','verticalPosition' => 'middle'
);
$imageResource = Zend_Barcode::render($bcs,'image',$barcodeOptions,$rendererOptions);
return $imageResource;
给出的比率创建布尔蒙版，最后使用tf.boolean_mask