Keras Sequence中idx*self.batch_size作用及__getitem__逻辑解析

1. idx * self.batch_size 的作用 #

idx 是当前要获取的批次序号（从0开始计数），self.batch_size 是每个批次包含的样本数量。两者相乘的结果就是当前批次在整个数据集里的起始索引。比如批次大小设为32，第0批的起始位置就是0，第1批就是32，第2批就是64，以此类推，用来精准定位当前批次从数据集的哪个位置开始取数。

2. low 和 high 的计算逻辑 #

• low = idx * self.batch_size：就是上面说的当前批次的起始索引，对应数据集切片的左边界（包含该位置的样本）。
• high = low + self.batch_size：是当前批次的结束索引（不包含该位置的样本），也就是从low开始往后取batch_size个样本的截止位置。比如low=32，batch_size=32，那high=64，对应的就是取数据集里索引32到63的样本。

3. 为什么要用 high = min(low + self.batch_size, len(self.x)) #

因为整个数据集的样本总数不一定刚好是batch_size的整数倍。比如总共有1008个样本，batch_size=32，前31批每批32个（31*32=992），第31批的low=992，low+batch_size=1024，但数据集只有1008个样本（索引到1007），这时候直接用1024会导致索引越界报错。用min函数就会取1008作为high，这样最后一个批次就取992到1007的16个样本，保证不会超出数据集的范围，同时也能把剩余的样本全部用上。

内容的提问来源于stack exchange，提问作者Gilbert Chan