生成批次和轮次数据

# 生成批次 gen_batchdef gen_batch(dataSet, batch_size):    row, col = dataSet.shape    n = row // batch_size     # +1 是保证剩余的不够一个批次大小的数据也能 构造成 一个小批次, 但是，好像 不行，tensorflow图构造成后，就不能再修改了        for i in range(n):   # 抽取 epoch_size 个数据        x = dataSet[i * batch_size : (i + 1) * batch_size, 1:col]     # 第后面的1-col-1列是数据        y = dataSet[i * batch_size : (i + 1) * batch_size, 0]         # 第0列是标签        yield (x, y) def gen_epochs(n, dataSet, batch_size):        for _ in range(n):                  np.random.shuffle(dataSet)              #将数据集打扰        yield gen_batch(dataSet, batch_size)


a = np.array([[1,2,4], [3,4,4], [5,6,4], [7,8,4], [9,0,4], [8,7,4], [6,5,4], [4,3,4], [2,1,4],
[0,1,4], [12,11,4], [10,21,4]])print a for idx, epoch in enumerate(gen_epochs(2, a, batch_size=5)): # 这是训练两论 for step, (X, Y) in enumerate(epoch): # 每论的批次读取 print X, Y for step, (X, Y) in enumerate(gen_batch(a,batch_size = 5)): print X, Y