您可以使用sklearn's train_test_split。

import numpy as np
from sklearn.model_selection import train_test_split

list_of_images = # a list containing the paths of all your data files
                 # or a numpy array of shape (12000, 64, 64)

train_list, test_list = train_test_list(list_of_images, test_size=0.1, random_state=0, shuffle=True)

上面的代码片段应该将您的数据分为90%和10%用于训练和测试。

• 如果将它应用于路径列表，它应该返回两个路径列表。
• 如果您预先将所有图像加载到一个大小为（12000，64，64）的大型数组中，那么它将分别返回两个较小的数组（10800，64，64）和（1200，64，64）。

由于您的图像是灰度级的，因此不需要使用（3，64，64），自动编码器将使用（64，64）---或（1，64，64）（准确地说）来工作。