學術渣滓在自己改代碼的時候遇到了一個大問題。從github上下載下來的代碼用的訓練集大多數都是minst集。如果想用這個代碼訓練自己的數據，就需要自己動動手改代碼。一切進行的都很順利，把所有有minst集的地方都改成自己的數據集就可以了。最後我發現了一個大問題，我的batch需要自己寫。本來想着抄minst的作業，查了一下參考的minst集是怎麼做的，這個居然是TensorFlow自己寫好的。自己嘗試改了一下，當時忘記自己爲啥放棄了，懶人一定是覺得太難改了。不過沒關係，CSDN的大佬一定會告訴你怎麼做的，經過了一系列的百度，找到了個人認爲比較實用的幾份參考。
附上大佬的鏈接（畢竟咱是根據人家的東西修改得到的，抄襲不是好孩子）：
Tensorflow將自己的數據分割成batch訓練：https://blog.csdn.net/sinat_35821976/article/details/82668555
TensorFlow走過的坑之---數據讀取和tf中batch的使用方法：https://www.cnblogs.com/marsggbo/p/10040740.html
不過我用的辦法是第一篇博客裏面的，主要就是兩個函數：
一、tf.slice_input_producer（）
作用：作用是從輸入的tensor_list按要求抽取一個tensor放入文件名隊列
tf.slice_input_producer(tensor_list, num_epochs=None, shuffle=True, seed=None,
capacity=32, shared_name=None, name=None)
參數說明：
tensor_list：你自己的輸入，格式爲tensor的列表；注：[你的數據名字]，親測你要是不加括號會出現bug
num_epohs：設置你想要的訓練次數。如果沒有給定值，那麼將會抽取無數次batch（這會導致你訓練過程停不下來），如果給定值，那麼在到達次數之後就會報OutOfRange的錯誤
shuffle：設置是否隨機。如果爲False，batch是按順序抽取；如果爲True，batch是隨機抽取
seed：隨機種子
capcity：隊列容量的大小，爲整數（沒鬧明白這個是怎麼回事）
name：名稱（可以不寫）
二、tf.train.batch（）& tf.train.shuffle_batch（）
作用：給你用上一個函數取出來的數據做一個tensor
tf.train.batch([data, label], batch_size=batch_size, capacity=capacity,num_threads=num_thread,allow_smaller_final_batch= True)
tf.train.shuffle_batch([example, label], batch_size=batch_size, capacity=capacity,num_threads=num_thread,allow_smaller_final_batch=True)
參數介紹：
[data，label]：上一個函數的名字
batch_size：batch的大小
capcity：隊列的容量（一個隊列裏允許的最大容量，爲整數）
num_threads：線程數，使用多少個線程來控制整個隊列。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
allow_smaller_final_batch：這個是當最後的幾個樣本不夠組成一個batch的時候用的參數，如果爲True則會重新組成一個batch
三、自己的batch函數
讀函數這個事吧，對於學渣來說還是太頭疼了。基本上的意思就是如果你想用TensorFlow寫自己batch就要用到這兩個函數。
def get_Batch(data, batch_size):
#print(data.shape)測試用的，忽略這一行
input_queue = tf.train.slice_input_producer([你自己數據的名字噢], num_epochs=這塊一定要改好，小編吃過虧, shuffle=True（隨機）, capacity=64 )
x_batch = tf.train.batch(input_queue, batch_size=batch_size, num_threads=1, capacity=64, allow_smaller_final_batch=False)
return x_batch
#引用函數就可以了
f = get_Batch(train_data,batch_size)
#f就是你的訓練集
不知道還有什麼補充的沒有，如果想起來會修改的。如果有說錯的地方，大家要指出來啊。
今日的文案收工啦！