小编nka*_*zig的帖子

我目前正在尝试使用适用于Python的Black代码格式化程序。在超过90％的情况下，我对输出（使用默认配置）感到满意，但是它经常发生，它以对我来说似乎很丑陋的方式格式化某些行。

这是一个使用黑色格式化前后的示例。

之前：

后：

这两行的语法本来是相同的（相同的函数，相同数量的参数...），所以以相同的方式格式化它们是有意义的。但是，由于第一行稍长，Black对其格式有所不同，这使得阅读和解释代码变得更加困难。

当然，在这种特定情况下，您可以增加linelengthBlack 的参数，但这通常并不能真正解决问题，我想坚持使用默认配置。

我遇到过许多这样的情况，也使用其他格式化程序，例如JavaScript的Prettier。您如何处理这些情况？例如，是否有一种方法可以告诉Black忽略这些特定行而不格式化它们？

我目前正在使用大型图片数据集（约60GB）来训练CNN（Keras / Tensorflow）以完成简单的分类任务。图像是视频帧，因此在时间上高度相关，因此在生成巨大的.hdf5文件时，我已经对数据进行了一次重洗。一个简单的批处理生成器（请参见下面的代码）。现在我的问题是：通常建议在每个训练时期之后对数据进行混洗，对吗？（出于SGD收敛的原因？）但是要做到这一点，我必须在每个时期之后加载整个数据集并对其进行混洗，这正是我要避免使用批处理生成器的原因……所以：在每个时期之后重新整理数据集真的重要吗？如果是，我如何才能尽可能高效地做到这一点？这是我的批处理生成器的当前代码：

def generate_batches_from_hdf5_file(hdf5_file, batch_size, dimensions, num_classes):
"""
Generator that returns batches of images ('xs') and labels ('ys') from a h5 file.
"""
filesize = len(hdf5_file['labels'])

while 1:
    # count how many entries we have read
    n_entries = 0
    # as long as we haven't read all entries from the file: keep reading
    while n_entries < (filesize - batch_size):
        # start the next batch at index 0
        # create numpy arrays of input data (features)
        xs = hdf5_file['images'][n_entries: n_entries …