企业官网建设流程全解析

案例: 基于传入的数值(每批次的歌词条数)，创建生成器，生成批次歌词.

""" 案例:基于传入的数值(每批次的歌词条数)，创建生成器，生成批次歌词. （很多模型都是一个批次一个批次的给模型喂数据，来训练模型的。 构建数据生成器每8个条数据(8个样本)8个数据的给模型喂数据;） """# 需求:基于文件中的歌词，创建生成器，根据传入的每批次的歌词条数，生成歌词批次。importmath# 1.定义函数，接收每批次的歌词条数，返回生成器.defdataset_loader(batch_size):""" #自定义歌词批量生成器 :param batch_size: 每批次的歌词条数 :return: 生成器，母个元素都是一批次的数据，例如:(8条，8条，8条...) """# 1.1 读取文件数据withopen('./data/data.txt','r',encoding='utf-8')assrc_file:# 1.2 一次读取所有行# lines=[line.strip() for line in src_file.readlines()]lines=src_file.readlines()print(lines)# 1.3 计算批次总数total_batch=math.ceil(len(lines)/batch_size)# 1.4 通过for循环方式，获取到每批次的数据，放到生成器中并返回foridxinrange(total_batch):#假设5批：idx的值：0 1 2 3 4# 第1批歌词，索引(idx=0)，歌词为：第1条-第8条，索引为：0-7# yield lines[0:8] #包左不包右# 第2批歌词，索引(idx=1)，歌词为：第9条-第16条，索引为：8-15# yield lines[8:16]# 第3批歌词，索引(idx=2)，歌词为：第17条-第24条，索引为：16-23# yield lines[16:24]yieldlines[idx*batch_size:(idx+1)*batch_size]# 2.测试dline=dataset_loader(8)# print(next(dline)) # 第一批# print(next(dline)) # 第二批forbatch_dataindline:print(batch_data)