如何在不遍历张量的情况下打乱单个二维音频帧数组的行？

当然可以做到！不用手动挨个遍历每个数组，我们可以利用深度学习框架的向量化操作特性，高效实现这个需求——既不用写循环，还能保证性能。下面我分PyTorch和TensorFlow两种常用场景给你具体方法：

PyTorch实现方案 #

假设你的音频张量形状是 (N, 121, 400)，其中N是音频帧的总数，我们可以通过随机排列索引结合gather函数来批量打乱每个帧的行：

import torch

# 示例：创建一个包含10个音频帧的张量，形状(10, 121, 400)
audio_tensor = torch.randn(10, 121, 400)
batch_size = audio_tensor.shape[0]

# 为每个音频帧生成独立的行随机排列索引
row_indices = torch.stack([torch.randperm(121) for _ in range(batch_size)])

# 调整索引形状，使其匹配张量的列维度，然后用gather完成打乱
shuffled_audio = audio_tensor.gather(
    dim=1,
    index=row_indices.unsqueeze(-1).repeat(1, 1, audio_tensor.shape[2])
)

# 验证：形状保持不变，每个帧的行已被独立打乱
print(shuffled_audio.shape)  # 输出: torch.Size([10, 121, 400])

这里的核心逻辑是：row_indices为每个音频帧生成了专属的121行随机排列，通过unsqueeze和repeat让索引适配列维度后，gather会沿着行维度（dim=1）把每个帧的行按随机顺序重新排列，全程是框架内部的向量化计算，比Python循环快得多。

TensorFlow实现方案 #

如果用TensorFlow，思路是一样的，只是API细节略有不同：

import tensorflow as tf

# 示例：创建包含10个音频帧的张量
audio_tensor = tf.random.normal((10, 121, 400))
batch_size = tf.shape(audio_tensor)[0]

# 为每个音频帧生成随机行索引
row_indices = tf.map_fn(lambda _: tf.random.shuffle(tf.range(121)), tf.range(batch_size))

# 调整索引形状以适配gather操作
row_indices = tf.expand_dims(row_indices, axis=-1)
row_indices = tf.tile(row_indices, [1, 1, tf.shape(audio_tensor)[2]])

# 执行打乱操作
shuffled_audio = tf.gather(audio_tensor, row_indices, batch_dims=1, axis=1)

# 验证形状
print(tf.shape(shuffled_audio))  # 输出: TensorShape([10, 121, 400])

tf.map_fn在这里帮我们批量生成每个帧的随机行排列，后续的expand_dims和tile同样是为了让索引匹配张量的列维度，最后通过tf.gather完成批量打乱。

这样操作后，你既不会打乱张量中各个音频帧的顺序，又能独立打乱每个帧内部的行，而且完全避免了手动遍历的繁琐和性能损耗。

备注：内容来源于stack exchange，提问作者onexpeters