Python生成器是創建迭代器的簡單方法。
簡單來說，生成器是一個函數，它返回一個我們可以迭代的對象（迭代器），迭代器一次返回一個值
較使用列表將所有數據都加載到內存中，生成器節省了大量內存空間。
深度學習的數據讀取部分一般都需要使用迭代器。
創建生成器
生成器有兩種創建方式：
列表生成式的 [] 改成 ()
使用yield方法
1 列表生成式的 [] 改成 ()
把列表生成式中的 [] 改成 () 就創建了一個generator
>>> L = [x * x for x in range(10)]
>>> L[0, 1, 4, 9, 16, 25, 36, 49, 64, 81]
>>> g = (x * x for x in range(10))
>>> g<generator object <genexpr> at 0x1022ef630>
創建L和g的區別僅在於最外層的 [] 和 () ，L是一個list，而g是一個generator。
2 使用yield方法
生成器解釋：
1，yield：用於返回數據，程序執行到 yield 後，返回結果，記住當前狀態，暫停執行，下次調用時，根據上次的狀態，返回下一個結果，記住新的狀態，暫停執行，……
簡單來說，就是調用一次，吐出 1 個數據，再調用一次，吐出第 2 個數據，再調用一次，吐出第 3 個 ……，在模型訓練時，每個批次的數據，就是通過 yield 吐出來的；
2，生成器可以通過 next 函數調用來一一吐出數據，也可以調用自身的__next__函數；
3，生成器是一種特殊的迭代器，可以通過 for 循環來遍歷其中的數據；
# 定義生成器函數def my_gen():--my_list = ['I', 'love', 'python', 123]--for item in my_list:----yield item# 獲取生成器gen1 = my_gen()# 獲取生成器中的數據print(gen1.__next__()) # Iprint(next(gen1)) # love# 定義生成器，並遍歷其數據gen2 = my_gen()for item in gen2:--print(item)
3 函數內部定義生成器
外部定義一個函數，內部定義一個生成器函數，外部函數返回這個生成器函數的名稱
def outer_fn(num=10):--def inner_gen(para=num):----for item in range(para + 1):-yield item ** 2----return inner_geninner_fn = outer_fn(5) # 外部函數執行，返回內部函數gen = inner_fn() # 內部函數執行，返回生成器print(next(gen)) # 0print(next(gen))#1