tensorflow喂数据进模型小例子

学习深度学习，个人觉得最基础的应该知道怎么喂数据进模型，数据不可能一次性全部进模型，而是选取一个batch的进入，下面写了个小例子模仿来实现，希望能加深理解：

  
  
import numpy as np
x=[[1,1],[1,2],[1,3],[1,4],[1,5],[1,6],[1,7]]
y=[[0,1],[1,0],[0,1],[0,1],[0,1],[1,0],[1,0]]
"""
生成批次数据
每个batch为2 ，每次有两条数据去更新模型(当数据总数为奇数的时候，则最后只有一条)
，总共轮训5次，也就是每条数据都有5次机会去更新模型的参数
"""
def batch_iter(data,batch_size=2,num_epochs=5):
    data=np.array(data)
    data_size=len(data)
    num_batchs_per_epchs=int((data_size-1)/batch_size)+1
    for epoch in range(num_epochs):
        indices=np.random.permutation(np.arange(data_size))
        shufflfed_data=data[indices]
        for batch_num  in range(num_batchs_per_epchs):
            start_index=batch_num*batch_size
            end_index=min((batch_num + 1) * batch_size, data_size)
            yield  shufflfed_data[start_index:end_index]
# x=[[1,1],[1,2],[1,3],[1,4],[1,5],[1,6],[1,7]]
# y=[[0,1],[1,0],[0,1],[0,1],[0,1],[1,0],[1,0]]
"""
准备需要喂入模型的数据
"""
def feed_data(batch):
    x_batch, y_batch = zip(*batch)
    feed_dict = {
        "input_x": x_batch,
        "input_y": y_batch
    }
    return feed_dict, len(x_batch)
batch_train = batch_iter(list(zip(x, y)))
for i, batch in enumerate(batch_train):
    feed_dict, _ = feed_data(batch)
    print(i,"--->",feed_dict)

   
   
0 ---> {'input_x': (array([1, 5]), array([1, 2])), 'input_y': (array([0, 1]), array([1, 0]))}
1 ---> {'input_x': (array([1, 1]), array([1, 4])), 'input_y': (array([0, 1]), array([0, 1]))}
2 ---> {'input_x': (array([1, 3]), array([1, 7])), 'input_y': (array([0, 1]), array([1, 0]))}
3 ---> {'input_x': (array([1, 6]),), 'input_y': (array([1, 0]),)}
4 ---> {'input_x': (array([1, 1]), array([1, 6])), 'input_y': (array([0, 1]), array([1, 0]))}
5 ---> {'input_x': (array([1, 2]), array([1, 4])), 'input_y': (array([1, 0]), array([0, 1]))}
6 ---> {'input_x': (array([1, 7]), array([1, 3])), 'input_y': (array([1, 0]), array([0, 1]))}
7 ---> {'input_x': (array([1, 5]),), 'input_y': (array([0, 1]),)}
8 ---> {'input_x': (array([1, 6]), array([1, 2])), 'input_y': (array([1, 0]), array([1, 0]))}
9 ---> {'input_x': (array([1, 1]), array([1, 7])), 'input_y': (array([0, 1]), array([1, 0]))}
10 ---> {'input_x': (array([1, 4]), array([1, 3])), 'input_y': (array([0, 1]), array([0, 1]))}
11 ---> {'input_x': (array([1, 5]),), 'input_y': (array([0, 1]),)}
12 ---> {'input_x': (array([1, 5]), array([1, 3])), 'input_y': (array([0, 1]), array([0, 1]))}
13 ---> {'input_x': (array([1, 6]), array([1, 1])), 'input_y': (array([1, 0]), array([0, 1]))}
14 ---> {'input_x': (array([1, 2]), array([1, 7])), 'input_y': (array([1, 0]), array([1, 0]))}
15 ---> {'input_x': (array([1, 4]),), 'input_y': (array([0, 1]),)}
16 ---> {'input_x': (array([1, 1]), array([1, 2])), 'input_y': (array([0, 1]), array([1, 0]))}
17 ---> {'input_x': (array([1, 3]), array([1, 5])), 'input_y': (array([0, 1]), array([0, 1]))}
18 ---> {'input_x': (array([1, 6]), array([1, 4])), 'input_y': (array([1, 0]), array([0, 1]))}
19 ---> {'input_x': (array([1, 7]),), 'input_y': (array([1, 0]),)}

可以看到总共echo为5次，每次echo分为4次把数据遍历万，函数设置每个batch为2，数据总共个数为7，西能能加深对数据学习深度学习input数据的理解。