多版本X_data匹配同一y_data的训练张量形状及NumPy实现

训练模型时，需要让每个版本的X数据都与对应的y数据一一配对，最终的张量形状如下：

• 转换后的X_data形状：(32, 512)（由原4个批量样本×8个版本计算而来，每个样本为512维向量）
• 转换后的y_data形状：(32, 512)（每个原始y样本重复8次，与所有对应版本的X完成配对）

可以通过NumPy的reshape和repeat函数快速完成数据维度转换：

import numpy as np

# 示例原始数据（实际替换为你的真实数据）
X_data = np.random.rand(4, 8, 512)
y_data = np.random.rand(4, 512)

# 转换X_data：合并批量与版本维度
X_reshaped = X_data.reshape(-1, 512)  # 输出形状：(32, 512)

# 转换y_data：将每个y样本重复8次
y_reshaped = np.repeat(y_data, repeats=8, axis=0)  # 输出形状：(32, 512)

转换后的数据完全符合你的配对需求：比如X_reshaped[0:8, :]对应原X_data[0, :, :]的8个版本，全部与y_reshaped[0:8, :]（即原y_data[0, :]重复8次）配对，以此类推。

内容的提问来源于stack exchange，提问作者Muhammad Ikhwan Perwira