目录

一、yield迭代器

在python深度学习模型读取数据时，经常遇到yield，互联网搜索后，将比较容易理解的说明记录一下。

二、使用步骤

1.引入库

代码如下（示例）：

(相关资料图)

def batch(data, batch_size):
	for ex in data:
		yield ex

2.读入数据

代码如下（示例）：

p_batch = batch(p_batch, self.batch_size)

总结

如果不太好理解yield，可以先把yield当作return的同胞兄弟来看，他们都在函数中使用，并履行着返回某种结果的职责。

这两者的区别是：

有return的函数直接返回所有结果，程序终止不再运行，并销毁局部变量；

def batch(data, batch_size):
	for ex in data:
		return ex

而有yield的函数则返回一个可迭代的 generator（生成器）对象，你可以使用for循环或者调用next()方法遍历生成器对象来提取结果。

什么是生成器呢？在 Python 中，使用了yield的函数被称为生成器。有点套娃的感觉，但事实就是这样，调用一个yield函数，就会返回一个生成器对象。

def test:
	x=1
	y=10
	while x
在调用生成器函数的过程中，每次遇到 yield 时函数会暂停并保存当前所有的运行信息（保留局部变量），返回yield的值, 并在下一次执行next()方法时从当前位置继续运行，直到生成器被全部遍历完。
举个例子
def test:
	x=1
	yield x
	yield x+1
	yield x+2
t = test()
for tmp in t:
	print(tmp)
#输出结果为：
1
2
3
也可以调用next方法：
next（t）
#输出：
1
next（t）
#输出：
2
next（t）
#输出：
3
可以看到，test函数返回一个生成器，调用next()方法后，函数开始运行，遇到第一个yield关键字，返回生成的值（1），程序暂停；
第二次调用next()方法，代码从上次暂停的位置开始执行，并遇到了第二个yield关键字，再返回生成的值（2），程序暂停；
第三次调用也是如此，返回生成的值（3），生成器耗尽，程序终止；
带yield的函数是一个生成器，这个生成器有一个方法就是next，next就相当于“下一步”生成哪个数，这一次的next开始的地方是接着上一次的next停止的地方执行的。
所以调用next的时候，生成器并不会从函数的开始执行，只是接着上一步停止的地方开始，然后遇到yield后，return出要生成的数，此步就结束。
到此这篇关于python yield迭代器详解的文章就介绍到这了,更多相关python yield 内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
 关键词：	                       
    程序暂停 
              
    读入数据 
              
    程序终止 
              
    局部变量 
              
    开始执行