深度学习用split随机拆分数据，每次拆分的数据要不同如何实现

可以使用numpy中的random.permutation函数来随机打乱数据的顺序，然后再按照比例拆分数据。具体实现步骤如下：

1. 将数据按照一定比例划分为训练集和测试集。

2. 使用numpy中的random.permutation函数随机打乱数据的顺序。

3. 将打乱后的数据按照划分比例分别放入训练集和测试集中。

4. 每次拆分数据时，都需要重新打乱数据的顺序，确保每次拆分的数据不同。

下面是一个示例代码：

import numpy as np

# 假设有100条数据
data = np.arange(100)

# 划分比例为70%训练集，30%测试集
train_ratio = 0.7
train_size = int(train_ratio * len(data))

# 打乱数据的顺序
np.random.shuffle(data)

# 按照比例拆分数据
train_data = data[:train_size]
test_data = data[train_size:]

# 每次拆分数据前都重新打乱数据的顺序
np.random.shuffle(data)

这样，每次拆分数据时，都会重新打乱数据的顺序，确保每次拆分的数据不同。