在神经网络中，经常会用到批量样本训练。我们需要从数组随机取数据，主要有以下几种方法：

1、np.random.shuffle：将原数组打乱

import numpy as np

array = np.random.randint(1,100,size=10)

#[63 32 80 33 61 45 28 55 39 80]

batch_size=5

print(array[0:batch_size])

#[63 32 80 33 61]

np.random.shuffle(rand_arr)

print(array[0:batch_size])

#[33 45 80 28 55]

#另一种写法

# rand_arr = np.arange(array.shape[0])

# np.random.shuffle(rand_arr)

# print(array[rand_arr[0:batch_size]])

# np.random.shuffle(rand_arr)

# print(array[rand_arr[0:5]])

2、np.random.choice：生成乱序的序号，从数据中取出(不改变原始序列)

import numpy as np

array = np.random.randint(1,100,size=10)

#[63 32 80 33 61 45 28 55 39 80]

batch_size=5

slice=np.random.choice(array.shape[0],batch_size)

print(array[slice])

这种方法其实就是生成输定数量的在某个范围内的随机数：

1、随机取多个数，random.randint()的函数原型为：random.randint(a, b)，用于生成一个指定范围内的整数。

import random

[random.randint(0,100) for _ in range(10)]

2、在固定列表中随机去多个数，random.sample的函数原型为：random.sample(sequence, k)，从指定序列中随机获取指定长度的片断。(这里的适用对象是列表类型的数据)

a=[0,1,2,3,4,5,6,7,8,9]

random.sample(a, 5)