可用于网络训练打乱训练数据个标签，不改变对应关系

方法一： np.random.shuffle （无返回值，直接打乱原列表）

state = np.random.get_state()
np.random.shuffle(train)
np.random.set_state(state)
np.random.shuffle(label)

　　

方法二： 返回一个打乱的序列，可将其用于以同一顺序打乱不同列表

shuffle_ix = np.random.permutation(np.arange(len(train_data)))
train_data = train_data[shuffle_ix]
train_label = train_label[shuffle_ix]

　　


 

多思考也是一种努力，做出正确的分析和选择，因为我们的时间和精力都有限，所以把时间花在更有价值的地方。