如何对MNIST数据集训练集抽样以缩短分类实验运行时间？

你可以通过生成随机索引的方式，精准抽取20000条训练样本，同时保证图像和标签的对应关系。以下是修正后的完整代码：

library(keras)

mnist <- dataset_mnist()

# 提取原始数据集
train_images <- mnist$train$x 
train_labels <- mnist$train$y 
test_images <- mnist$test$x   
test_labels <- mnist$test$y 

# 生成20000个不重复的随机训练样本索引
sample_indices <- sample(seq_len(nrow(train_images)), size = 20000, replace = FALSE)

# 筛选抽样后的训练集图像和标签
sampled_train_images <- train_images[sample_indices, , ]
sampled_train_labels <- train_labels[sample_indices]

关键步骤说明 #

• seq_len(nrow(train_images))生成1到60000的索引序列，对应所有训练样本；
• sample(..., replace = FALSE)确保每个样本只被抽取一次，避免重复；
• 由于train_images是三维数组（样本数×高度×宽度），使用[sample_indices, , ]可以保留图像的28×28像素结构，仅筛选目标样本；
• 标签向量train_labels直接通过索引筛选，保证和抽样后的图像一一对应。

内容的提问来源于stack exchange，提问作者Adam Rowland