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。