#Python tensorflow中getbatch函数（yield实现），不会stopinteraction

在深度学习的入门教程中，很多深度学习的模型都是用手写数字mnist数据集进行训练的，在使用过程中通常都有一个batch的分批处理，类似这个：

这个next_batch函数是tensorflow中的函数，我们直接找源码过去copy也不太现实，我们就按照大概的方法写一个，如下：

def get_batches(x, y, n_batches):
	batch_size = len(x) // n_batches

	ii = 0
	while ii < n_batches * batch_size:
		# 判断如果这不是最后一个batch，那么这个batch中应该有batch_size个数据
		if ii != (n_batches - 1) * batch_size:
			X, Y = x[ii: ii + batch_size], y[ii: ii + batch_size]
		# 如果是最后一个batch，则剩余不够batch_size的数据都要凑入一个batch中
			ii += batch_size
		else:
			X, Y = x[ii: ], y[ii: ]
			# 能走到这一步说明数据已经取完了，为了避免抛出异常可以把ii设置为0，继续while循环
			ii = 0
		# 生成器语法，返回X, Y
		yield X, Y

这样函数就写好了，接下来就是调用的时候：

# 首先在外部定义batch
batch1 = get_batches(data_x_train, data_y_train, n_batches)
# 在循环中不断的get batch，可以一直取，不会stopinteraction
for i in range(training_step):
	x_batch, y_batch = batch1.__next__()
	# 然后x_batch和y_batch就可以看需要是否要reshape一下，然后就放进去训练了
	x_batch = x_batch.values.reshape([-1, n_steps, n_inputs]) 
	# 我在跑LSTM的数据格式可能跟你们不一样

纯手打无粘贴，如有错误请评论或联系我