官方文件連結：https://tensorflow.google.cn/versions/r1.8/api_docs/python/tf/train/batch

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
)

函式功能：利用一個tensor的列表或字典來獲取一個batch資料

引數介紹：

• tensors：一個列表或字典的tensor用來進行入隊
• batch_size：設定每次從佇列中獲取出隊資料的數量
• num_threads：用來控制入隊tensors執行緒的數量，如果num_threads大於1，則batch操作將是非確定性的，輸出的batch可能會亂序
• capacity：一個整數，用來設定佇列中元素的最大數量
• enqueue_many：在tensors中的tensor是否是單個樣本
• shapes：可選，每個樣本的shape，預設是tensors的shape
• dynamic_pad：Boolean值.允許輸入變數的shape，出隊後會自動填補維度，來保持與batch內的shapes相同
• allow_samller_final_batch：可選，Boolean值，如果為True佇列中的樣本數量小於batch_size時，出隊的數量會以最終遺留下來的樣本進行出隊，如果為Flalse，小於batch_size的樣本不會做出隊處理
• shared_name：可選，通過設定該引數，可以對多個會話共享佇列
• name：可選，操作的名字

從陣列中每次獲取一個batch_size的資料

import numpy as np
import tensorflow as tf

def next_batch():
    datasets =  np.asarray(range(0,20))
    input_queue = tf.train.slice_input_producer([datasets],shuffle=False,num_epochs=1)
    data_batchs = tf.train.batch(input_queue,batch_size=5,num_threads=1,
                                             capacity=20,allow_smaller_final_batch=False)
    return data_batchs

if __name__ == "__main__":
    data_batchs = next_batch()
    sess = tf.Session()
    sess.run(tf.initialize_local_variables())
    coord = tf.train.Coordinator()
    threads = tf.train.start_queue_runners(sess,coord)
    try:
        while not coord.should_stop():
            data = sess.run([data_batchs])
            print(data)
    except tf.errors.OutOfRangeError:
        print("complete")
    finally:
        coord.request_stop()
    coord.join(threads)
    sess.close()
 

注意：tf.train.batch這個函式的實現是使用queue，queue的QueueRunner被新增到當前計算圖的"QUEUE_RUNNER"集合中，所在使用初始化器的時候，需要使用tf.initialize_local_variables()，如果使用tf.global_varialbes_initialize()時，會報： Attempting to use uninitialized value