本篇博客对 yield 不求甚解，用简短通俗的语言说明其功能及优势。

1 用法

对于函数返回 yield 的通俗理解就是返回了一个存储函数的地址，在某个空间有这个暂时用不到的函数，而这个函数本来是要返回一个容器，比方 list 。

下面具体说明：

在谈 yield 之前，先说说 list 。

list 数据是一种容器，包含其他元素，可以迭代的从众逐个获取元素，举个栗子：

def func1():
    return [1,2]

a = func1()

for i in a:
    print(i)

输出：

1
2

下面谈谈 yield 。

包含 yield 的函数为生成器函数。这种函数被调用后，函数内部的代码不会立刻执行，而是返回一个生成器。

生成器是特殊的迭代器，迭代器是一种对象（啥是对象，emmmmm.......），抽象理解是一种数据流。

举个栗子：

def func2():
    yield [1,2]

b = func2()
print(b)

输出：

<generator object func2 at 0x000000001812F8E0>

只有当生成器调用成员方法时，生成器中的代码才会执行。

举个栗子：

def func3():
    for x in range(2):
        yield x ** 2

c = func3()

for x in c:
    print(x)

输出：

0
1

2 好处

很多时候我们是逐个访问容器中的元素，而不是一下子获得所有的元素。

举个栗子：

对于 [1, 2, 3, 4]，我们想依次获得列表里面的前两个数字，有以下两种方法：

1. 获得所有元素，然后取出前2个；

2. 从头逐个迭代，到第二个元素后终止。

显然，第二种方法节省时间空间开销。

3 实际应用

当我们从样本中批量获得数据输入模型的时候，我们就可以用 yield 表达式。

举个栗子：

def minibatches(inputs_data=None, labels=None, batch_size=None, shuffle=False):

    '''
    inputs_data 为 numpy array 数据
    '''

    assert len(inputs_data) == len(labels)
    if shuffle:
        indices = np.arange(len(inputs_data))
        np.random.shuffle(indices)
    for start_idx in range(0, len(inputs_data) - batch_size + 1, batch_size):
        if shuffle:
            excerpt = indices[start_idx:start_idx + batch_size]
        else:
            excerpt = slice(start_idx, start_idx + batch_size)
        yield inputs_data[excerpt], labels[excerpt]


for x_train, y_train in minibatches(x_train, y_train, batch_size, shuffle=True):
    model(x_train, y_train)

更加详细内容可以参考这篇博客：https://liam.page/2017/06/30/understanding-yield-in-python/

公子强

Python: 小谈 yield 表达式及其批量获得 minibatches 的应用

1 用法

2 好处

3 实际应用