提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档
前言
提示：这里可以添加本文要记录的大概内容：
例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。
提示：以下是本篇文章正文内容，下面案例可供参考
一、yield迭代器
在python深度学习模型读取数据时，经常遇到yield，互联网搜索后，将比较容易理解的说明记录一下。
二、使用步骤
1.引入库
代码如下（示例）：
def batch(data, batch_size):
for ex in data:
yield ex
2.读入数据
代码如下（示例）：
p_batch = batch(p_batch, self.batch_size)
总结
如果不太好理解yield，可以先把yield当作return的同胞兄弟来看，他们都在函数中使用，并履行着返回某种结果的职责。
这两者的区别是：
有return的函数直接返回所有结果，程序终止不再运行，并销毁局部变量；
def batch(data, batch_size):
for ex in data:
return ex
而有yield的函数则返回一个可迭代的 generator（生成器）对象，你可以使用for循环或者调用next()方法遍历生成器对象来提取结果。
什么是生成器呢？在 Python 中，使用了yield的函数被称为生成器。有点套娃的感觉，但事实就是这样，调用一个yield函数，就会返回一个生成器对象。
def test:
x=1
y=10
while x<y:
yield x
x+=1
t = test()
在调用生成器函数的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息（保留局部变量），返回yield的值, 并在下一次执行next()方法时从当前位置继续运行，直到生成器被全部遍历完。
举个例子
def test:
x=1
yield x
yield x+1
yield x+2
t = test()
for tmp in t:
print(tmp)
#输出结果为：
1
2
3
也可以调用next方法：
next（t）
#输出：
1
next（t）
#输出：
2
next（t）
#输出：
3
可以看到，test函数返回一个生成器，调用next()方法后，函数开始运行，遇到第一个yield关键字，返回生成的值（1），程序暂停；
第二次调用next()方法，代码从上次暂停的位置开始执行，并遇到了第二个yield关键字，再返回生成的值（2），程序暂停；
第三次调用也是如此，返回生成的值（3），生成器耗尽，程序终止；
带yield的函数是一个生成器，这个生成器有一个方法就是next，next就相当于“下一步”生成哪个数，这一次的next开始的地方是接着上一次的next停止的地方执行的。
所以调用next的时候，生成器并不会从函数的开始执行，只是接着上一步停止的地方开始，然后遇到yield后，return出要生成的数，此步就结束。
|