Skip to main content
 首页 » 编程设计

python之神经网络中 DataFrame 的批量输入

2025年01月19日11fff_TT

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)