如何基于索引列表高效获取多维训练数据集中的指定样本？

在有限训练数据下评估模型性能时，你需要随机选取原训练数据的20%样本，现有代码已生成随机索引列表filter_indices，以下是几种高效获取对应全维度样本的实现方式：

针对Numpy数组（最常见场景） #

如果你的data是Numpy数组（从data.shape=(100,50,50,3)的格式来看大概率是），直接利用Numpy的整数数组索引即可，这是底层优化过的高效操作，会完整保留所有维度：

import numpy as np

# 将索引列表转为Numpy数组（可选，但能进一步提升索引效率）
filter_indices_np = np.array(filter_indices)
selected_data = data[filter_indices_np]

最终selected_data的形状为(len(filter_indices), 50, 50, 3)，完全保留原数据的特征维度。

优化：避免重复采样 #

你的原代码使用random.randrange生成索引，可能会出现重复采样的情况（同一个样本被多次选中）。如果需要无重复的20%样本，可以修改索引生成逻辑：

sample_count = int(data.shape[0] * 0.2)
filter_indices = random.sample(range(data.shape[0]), sample_count)

再配合上面的Numpy索引方法，就能得到无重复的随机样本集。

针对PyTorch/TensorFlow张量 #

如果data是PyTorch张量：

import torch
# 若data已是张量，直接索引即可
selected_data = data[torch.tensor(filter_indices)]

如果是TensorFlow张量：

import tensorflow as tf
selected_data = tf.gather(data, filter_indices)

内容的提问来源于stack exchange，提问作者Ahmad