我在回归代码的最后一个 block 中执行以下代码:
steps = 50000
with tf.Session() as sess:
sess.run(init)
for i in range(steps):
sess.run(train, feed_dict={X_data:X_train,y_target:y_train})
if i%500 == 0:
rand_ind = np.random.random_integers(len(X_test)+1)
feed = {X_data:X_test.iloc[rand_ind:rand_ind+8,:],y_target:y_test.iloc[rand_ind:rand_ind+8,:]}
loss = tf.reduce_sum(tf.square(y_target-y_output))/8
print(sess.run(loss,feed_dict=feed))
这是从 pandas DataFrame 生成较小批处理的好方法还是有更好的方法?
我在这里使用 iloc,因为之前我无法正确索引。但是我收到以下错误:
DeprecationWarning: This function is deprecated. Please call randint(1, 6193 + 1) instead from ipykernel import kernelapp as app
请您参考如下方法:
如果您想从数据框中选择随机行,您可以使用以下代码:
import numpy as np
batch = df.iloc[np.random.choice(df.index.values, sample_size)]
此代码将选择随机行索引,然后为批处理选择它们。将 sample_size 替换为批处理的大小。
如果您将多次使用它,您将创建一个随机样本并返回您的数据。
如果您不想重复使用相同的示例,您可以使用此代码进行采样,然后删除您采样的行,不再使用它们
import numpy as np
sample = np.random.choice(df.index.values, sample_size)
batch = df.iloc[sample]
newdf = df.drop(sample, axis = 0)
