Python Tensorflow将训练数据拆分为批

我有一个作为Numpy数组的图像数据集。（图像数量、长度、宽度、颜色范围）我想将其分为多个批次，并提供给tensorflow。最好的方法是什么？

首先，您可以使用将图像分为批（sub-ndarray）。然后您可以使用带有

feed_dict

参数的函数将它们馈送到

tf.Session

---

我还强烈建议您查看TF，我使用如下内容：

for bid in range(int(len(array)/batch_size)):
    batch = array[bid*batch_size:(bid+1)*batch_size]

---

Thomas Pinetz的回答有一个小错误，我还不能发表评论，所以这里有一个额外的答案

int（len（array）/batch\u size）

将除法舍入到最接近的整数，因此不会处理最后一批。要将该部门汇总，您可以使用

ceil_int = -(-a//b)

此外，与其他批次相比，最后一批可能非常小。您可以稍微修改批处理大小，以降低发生这种情况的可能性。完整代码如下所示：

def ceil(a,b):
    return -(-a//b)

n_samples = len(array)
better_batch_size = ceil(n_samples, ceil(n_samples, batch_size))

for i in range(ceil(n_samples, better_batch_size)):
    batch = array[i * better_batch_size: (i+1) * better_batch_size]

---

若您已经创建了数据集，则可以使用

batch（）

来创建数据批

>>>dataset = tf.data.Dataset.range(8)
>>>dataset = dataset.batch(3)
>>>list(dataset.as_numpy_iterator())

[array([0, 1, 2]), array([3, 4, 5]), array([6, 7])]

您可以在about

batch（）