这篇文章主要介绍“python的tf.train.batch函数怎么用”的相关知识，小编通过实际案例向大家展示操作过程，操作方法简单快捷，实用性强，希望这篇“python的tf.train.batch函数怎么用”文章能帮助大家解决问题。
tf.train.batch函数
tf.train.batch( tensors, batch_size, num_threads=1, capacity=32, enqueue_many=False, shapes=None, dynamic_pad=False, allow_smaller_final_batch=False, shared_name=None, name=None)其中：
tensors：利用slice_input_producer获得的数据组合。
batch_size：设置每次从队列中获取出队数据的数量。
num_threads：用来控制线程的数量，如果其值不唯一，由于线程执行的特性，数据获取可能变成乱序。
capacity：一个整数，用来设置队列中元素的最大数量
allow_samller_final_batch：当其为True时，如果队列中的样本数量小于batch_size，出队的数量会以最终遗留下来的样本进行出队；当其为False时，小于batch_size的样本不会做出队处理。
name：名字
测试代码
1、allow_samller_final_batch=True
import pandas as pdimport numpy as npimport tensorflow as tf# 生成数据def generate_data(): num = 18 label = np.arange(num) return label# 获取数据def get_batch_data(): label = generate_data() input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2) label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=True) return label_batch# 数据组label = get_batch_data()sess = tf.Session()# 初始化变量sess.run(tf.global_variables_initializer())sess.run(tf.local_variables_initializer())# 初始化batch训练的参数coord = tf.train.Coordinator()threads = tf.train.start_queue_runners(sess,coord)try: while not coord.should_stop(): # 自动获取下一组数据 l = sess.run(label) print(l)except tf.errors.OutOfRangeError: print('Done training')finally: coord.request_stop()coord.join(threads)sess.close()运行结果为：
[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
[17]
Done training
2、allow_samller_final_batch=False
相比allow_samller_final_batch=True，输出结果少了[17]
import pandas as pdimport numpy as npimport tensorflow as tf# 生成数据def generate_data(): num = 18 label = np.arange(num) return label# 获取数据def get_batch_data(): label = generate_data() input_queue = tf.train.slice_input_producer([label], shuffle=False,num_epochs=2) label_batch = tf.train.batch(input_queue, batch_size=5, num_threads=1, capacity=64,allow_smaller_final_batch=False) return label_batch# 数据组label = get_batch_data()sess = tf.Session()# 初始化变量sess.run(tf.global_variables_initializer())sess.run(tf.local_variables_initializer())# 初始化batch训练的参数coord = tf.train.Coordinator()threads = tf.train.start_queue_runners(sess,coord)try: while not coord.should_stop(): # 自动获取下一组数据 l = sess.run(label) print(l)except tf.errors.OutOfRangeError: print('Done training')finally: coord.request_stop()coord.join(threads)sess.close()运行结果为：
[0 1 2 3 4]
[5 6 7 8 9]
[10 11 12 13 14]
[15 16 17 0 1]
[2 3 4 5 6]
[ 7 8 9 10 11]
[12 13 14 15 16]
Done training
关于“python的tf.train.batch函数怎么用”的内容就介绍到这里了，感谢大家的阅读。如果想了解更多行业相关的知识，可以关注编程网行业资讯频道，小编每天都会为大家更新不同的知识点。
