python-3.x - 在 tensorflow 中获取批处理

Question

这个问题可能有人问过，但我没找到。
从数据集中不断获取批量数据的最简单方法是什么？是否有内置的 tensorflow 函数可以做到这一点？
例如:

对于 num_trains 中的 i:
x_batch，y_batch = get_batch(x_train，y_train，batch_size)
sess.run(train_step, feed_dict={x:x_batch,y:y_batch})

如果没有这样的内置函数，你会如何实现它？我自己尝试过，但我不知道如何在每次调用该函数时获得与之前的批处理不同的新批处理。

谢谢!

Answer 1

你可以尝试:

# Feed batch data
def get_batch(inputX, inputY, batch_size):
   duration = len(inputX)
   for i in range(0,duration//batch_size):
     idx = i*batch_size
     yield inputX[idx:idx+batch_size], inputY[idx:idx+batch_size]

您还可以使用tensorflow的数据集API:

dataset = tf.data.Dataset.from_tensor_slices((train_x, train_y))
dataset = dataset.batch(batch_size)

获取批处理:

  X = np.arange(100)
  Y = X
 batch = get_batch(X, Y, 5)
 batch_x, batch_y = next(batch)
 print(batch_x, batch_y)
 #[0 1 2 3 4] [0 1 2 3 4]

 batch_x, batch_y = next(batch)
 print(batch_x, batch_y)
 #[5 6 7 8 9] [5 6 7 8 9]

通常，要运行多个epoch的数据集，您需要执行以下操作:

 for epoch in range(number of epoch):
    for step in range(size_of_dataset//batch_size):
        for x_batch, y_batch in get_batch(x_train, y_train, batch_size):
           sess.run(train_step, feed_dict={x:x_batch,y:y_batch})

使用数据集 API:

  dataset = tf.data.Dataset.from_tensor_slices((X, Y))
  dataset = dataset.batch(5)
  iterator = dataset.make_initializable_iterator()
  train_x, train_y = iterator.get_next()
  with tf.Session() as sess:
    sess.run(iterator.initializer)
   for i in range(2):
       print(sess.run([train_x, train_y]))
   #[array([0, 1, 2, 3, 4]), array([0, 1, 2, 3, 4])]
   #[array([5, 6, 7, 8, 9]), array([5, 6, 7, 8, 9])]