python yield的一个用法

yield有好几个用法，现在我只是表现一种。
代码如下：

import tensorflow as tf
import numpy as np

#用yield可以在函数返回出来？
def test_yield():
    for i in range(10):
        a= sess.run(tf.contrib.framework.get_global_step())
        b=i
        yield a,b
    return b



#a=np.array([[1,1,0,1],[0,0,0,0]])
#b=a.reshape(2,2,2,1)



a=np.array([[1,1,0,1]])
b=a.reshape(2,2,1,1)
#b=a.reshape(2,2,1,2)#input batch为2，通道为1时 ，输出果然是2*3*3*2
filter=tf.Variable(b,dtype=tf.float32,name='filter')

global_step = tf.Variable(5, name='global_step', trainable=False)
a1=np.arange(16)
b1=a1.reshape(1,4,4,1)
#b1=a1.reshape(2,4,4,1) #batch为2
y=[1]
y=np.expand_dims(y, 0)
input=tf.Variable(b1,dtype=tf.float32,name='input')  #还要加个float32

y_pl = tf.placeholder(shape=[None,1], dtype=tf.float32, name="y")

conv1 = tf.contrib.layers.conv2d(input, 2, 2,1, scope='conv_layer1', activation_fn=tf.nn.tanh);
flattened = tf.contrib.layers.flatten(conv1)
fc1 = tf.contrib.layers.fully_connected(flattened, 1)
losses = tf.squared_difference(y_pl, fc1)
loss = tf.reduce_mean(losses)
optimizer = tf.train.RMSPropOptimizer(0.00025, 0.99, 0.0, 1e-6)
#train_op = optimizer.minimize(loss, global_step=tf.Variable(3,name='global_step'))
train_op = optimizer.minimize(loss,global_step=tf.contrib.framework.get_global_step())


op = tf.nn.conv2d(input, filter, strides=[1, 1, 1, 1],padding='VALID',name='op')
sess=tf.Session()
#sess = tfdbg.LocalCLIDebugWrapperSession(sess)#调试步骤b
#sess.add_tensor_filter("has_inf_or_nan", tfdbg.has_inf_or_nan)#后面是一个函数

sess.run(tf.global_variables_initializer())
#sess.add_tensor_filter("has_inf_or_nan", tfdbg.has_inf_or_nan)#调试步骤c 命令就是run  ，命令有ni 有输入和输出到下一个哪个结点
# https://www.cnblogs.com/hellcat/articles/7812119.html 调试教程

for i in range(1):

    b11,loss2,fc1=sess.run([loss,train_op,fc1],feed_dict={y_pl:y}) #用全部的样本训练
    #total_t = sess.run(tf.contrib.framework.get_global_step())
for a111,b111 in test_yield():
    print(b111)



bb=(sess.run(op))
cc=sess.run(conv1)
total_t = sess.run(tf.contrib.framework.get_global_step())
#cc=bb.reshape(2,3,3)
#dd=bb.reshape(3,3,2)
ee=sess.run(tf.squeeze(op,name='ee'))
print(bb.size)

这里的代码是接上几个博客，保持一致。有效的主要是最前面的函数。我们发现在函数里面yield变量后，就可以放在for循环里了博客写着写着，突然想到一个问题，我之前的代码怎么没循环（最初是没有for i in range(10)），然后我调试了下，发现了一个找到真相的关键。首先，从
for a111,b111 in test_yield():这里进入，发现进入到子函数test_field()

for i in range(10): 然后再在yield a,b进入，发现回到主函数
print(a111)，因此打印出来后，又回到for a111,b111 in test_yield():，如果继续进入的话，发现还是如此。这算是一个小技巧了

python yield的一个用法

猜你喜欢