Iterator & Generator
**Iterator & Generator(迭代器和生成器)**：是Python中非常重要的组成部分，很多小伙伴搞不清迭代器和生成器到底是什么？如何创建迭代器和生成器？今天给小伙伴们具体讲解一下。
Iterator & Iterable
虽然今天是第一次提到Iterable(可迭代对象)和Iterator(迭代器对象)，但是我们一定都使用过可迭代对象。可迭代对象可以理解为一个实例对象，具有__iter__方法。而迭代器对象可以理解为一个实例对象，既有__iter__方法，又有__next__方法。一个可迭代对象通过__iter__方法可以转换为一个迭代器对象，而迭代器对象始终是一个可迭代对象，调用__iter__方法等于其自身。简单地说，可以使用for循环遍历的都是可迭代对象，我们常见的list，tuple，set，dict，str等容器都是可迭代对象，但是不是迭代器对象。通过__iter__方法可以转换为迭代器对象。
通过collection库下面的Iterator类和Iterable可以判定对象是否为迭代器对象还是可迭代对象。
根据上面的分析可以知道，我们创建的类只要定义了__next__方法和__iter__方法，就是一个迭代器。
我们还需要掌握一个知识点，迭代器对象是一次性消费对象，因为它们没有把所有的值存在内存中，而是在运行时产生值，当我们使用迭代器对象时，迭代器对象的内容就会消失。如下例，使用了列表容器产生一个可迭代对象a=[1, 2, 3, 4, 5]，并且使用__iter__方法产生了迭代器对象b，当next(b)时，会输出1，此时1就会从b中消失，同理再次使用next(b)时，2就会从b中消失，当list(b)时，所有数据都会从b中消失，但是a时不会变化的，因此我们需要另一个迭代器对象时，需要使用iter(a)再次产生一个。
生成器
Generator(生成器)也是一种迭代器，也是一次性消费对象，在写代码的时候，尤其是深度学习领域，具有大量的数据集输入，如果将数据全部保存，会受到内存的限制，而且很多数据本次用不到，这时候生成器就发挥了巨大的作用，每次使用时生成值。其实现一般有两种方式，一个是生成式，注意生成式不是列表生成式，而是将列表生成式中的中括号改成小括号，一个是使用关键字yield的函数。
在调用带有yield的函数生成器时，返回的是一个生成器对象，当函数运行到yield时，将yield的值返回，程序会暂停，并且保存当前函数的所有运行信息，当使用next方法时，程序从上次停留的地方继续执行。
生成器函数也可以接收输入值，通过send方法可以向生成器中传值。注意第一次只能通过send传入None，或者调用next方法，如果使用send不写输入参数则会报错，如果使用send传入某个非None的值也会报错。
小结
迭代器和生成器是Python中非常重要的内容，能够在特殊的情况下发挥出巨大的优势，小伙伴们务必掌握它。