我的训练数据集太大而无法放入内存，因此我的代码一次只能从磁盘读取 1,000 条记录。现在我想使用 Tensorflow 的新 Dataset API。数据集 API 是否允许我指定要保存在内存中的记录数，或者 Tensorflow 是否会自动管理内存以便我不必这样做？
【问题讨论】：
标签： tensorflow tensorflow-datasets
是的。来自官方指南的示例（使用 Dataset API for TensorFlow Input Pipelines，https://www.tensorflow.org/programmers_guide/datasets）
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.contrib.data.TFRecordDataset(filenames)
dataset = dataset.map(...) ## Parsing data with a user specified function
dataset = dataset.shuffle(buffer_size=10000) ## 10000: size of sample/record pool for random selection
dataset = dataset.repeat() ## None: keep repeating
dataset = dataset.batch(32) ## 32: number of samples/records per batch (to be read into memory)
【讨论】：
如果您将通过batch_size 指定记录数。在这种情况下，TF 将只从文件中获取 batch_size 元素。您还可以指定shuffle，这将保证内存中的所有时间最多为buffer_size 元素。
我在我的 tfrecords 文件中验证了它。我有 100 个 tfrecords 文件，每个文件约为 10Gb（这比我笔记本电脑上的内存还多）。一切正常。
【讨论】：