DCGAN项目总结：主要是对DCGAN代码中几处比较难懂的代码进行分析之 np.random.shuffle np.arange(10) 函数的使用

第一： get_random_batch函数讲解 

# 我解释函数的特点是通过测试函数的输入和输出 进而了解函数的功能
import glob
import numpy as np
# 测试np.arange() 和 np.random.shuffle函数
def get_random_batch():
    data_index = np.arange(10)
    print("data_index", data_index)
    np.random.shuffle(data_index)
    print("经过shuffle之后的data_index", data_index)
    data_index = data_index[:3]
    print(data_index)


get_random_batch()

 

 

# 程序输出结果
data_index [0 1 2 3 4 5 6 7 8 9]

经过shuffle之后的data_index [4 3 2 5 9 1 0 8 7 6]

[4 3 2]

所以可以看出
np.arange(10)的功能是输出（0 - 10）之间的数据 根据常识判断应该也能指定步长

np.random.shuffle的功能是将np.arange()生成的数据打乱， 保证每次前batch_size的数据是不同的

data_index = data_index[:3] python中list的基本用法 表示取前3个数据

通过这个程序我们可以看出get_random_batch是指将输入的图像的numpy数值打乱 每次取前batch_size个