sklearn.utils.shuffle-训练数据打乱的最佳方法

　　在进行模型训练前，我们要将数据打乱，以获得更好的训练效果。可以使用sklearn.utils中的shuffle，获得打乱后的数据索引，最后，迭代生成打乱后的batch数据，一个写好的模块如下。

　　思路是：1.先shuffle　　2.再迭代生成

 def fill_feed_dict(data_X, data_Y, batch_size):
     """Generator to yield batches"""
     # Shuffle data first.
     shuffled_X, shuffled_Y = shuffle(data_X, data_Y)
     # print("before shuffle: ", data_Y[:10])
     # print(data_X.shape[0])
     # perm = np.random.permutation(data_X.shape[0])
     # data_X = data_X[perm]
     # shuffled_Y = data_Y[perm]
     # print("after shuffle: ", shuffled_Y[:10])
     for idx in range(data_X.shape[0] // batch_size):
         x_batch = shuffled_X[batch_size * idx: batch_size * (idx + 1)]
         y_batch = shuffled_Y[batch_size * idx: batch_size * (idx + 1)]
         yield x_batch, y_batch