模型的fit函数有两个参数，shuffle用于将数据打乱，validation_split用于在没有提供验证集的时候，按一定比例从训练集中取出一部分作为验证集 这里有个陷阱是，程序是先执行validation_split，再执行shuffle的，所以会出现这种情况： 假如你的训练集是有序的，比方说正样本在前负样本在后，又设置了validation_split，那么你的验证集中很可能将全部是负样本 同样的，这个东西不会有任何错误报出来，因为Keras不可能知道你的数据有没有经过shuffle，保险

我就废话不多说了，大家还是直接看代码吧~ from numpy as np index=np.arange(2000) np.random.shuffle(index) print(index[0:20]) X_train=X_train[index,:,:,:]#X_train是训练集，y_train是训练标签 y_train=y_train[index] 补充知识：Keras中shuffle和validation_split的顺序 模型的fit函数有两个参数，shuffle用于将数据打乱，