加载fashion_mnist时train_labels数组只读无法修改的问题求助

问题根源 #

Fashion-MNIST加载返回的train_labels是只读数组视图（从数组标志能看到OWNDATA=False、WRITEABLE=False），它共享其他内存块的数据，没法直接修改可写权限；而MNIST数据集返回的数组拥有自身独立内存（OWNDATA=True），所以能正常修改或打乱。

解决方案 #

方案1：生成可写数组副本

加载数据集后立刻给train_labels做个副本，新数组会拥有独立内存，自动获得可写权限：

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.fashion_mnist.load_data()
# 复制生成可写的独立数组
train_labels = train_labels.copy()

# 后续的归一化、打乱操作就正常了
train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')
train_images = (train_images - 127.5) / 127.5
test_images = test_images.reshape(test_images.shape[0], 28, 28, 1).astype('float32')
test_images = (test_images - 127.5) / 127.5

state = np.random.get_state()
np.random.shuffle(train_images)
np.random.set_state(state)
np.random.shuffle(train_labels)

方案2：通过索引同时打乱图像和标签（更高效）

不用单独保存随机状态再分别打乱，直接生成随机索引，一次性重排图像和标签，既省内存又避免只读数组问题：

(train_images, train_labels), (test_images, test_labels) = tf.keras.datasets.fashion_mnist.load_data()

# 生成随机排列的索引
shuffle_idx = np.random.permutation(len(train_images))
# 用索引同时打乱图像和标签，保证对应关系正确
train_images = train_images[shuffle_idx]
train_labels = train_labels[shuffle_idx]

# 后续归一化处理
train_images = train_images.reshape(train_images.shape[0], 28, 28, 1).astype('float32')
train_images = (train_images - 127.5) / 127.5
test_images = test_images.reshape(test_images.shape[0], 28, 28, 1).astype('float32')
test_images = (test_images - 127.5) / 127.5

说明 #

• 方案1简单直接，适合小数据集；
• 方案2更高效，不需要额外复制数组内存，同时能确保图像和标签的对应关系不会出错，推荐优先使用。

内容的提问来源于stack exchange，提问作者Nidhogg