如何高效地从TFRecord格式队列中读取实例数据？

本文共计1424个文字，预计阅读时间需要6分钟。

TensorFlow官方网站上提供三种读取数据的方法：

1. 预加载数据：在TensorFlow图中定义常量或变量来保存所有数据，将数据直接嵌入到数据图中。当训练数据量较大时，这种方法可以节省大量内存。例如：`x1=tf.constant('tf конс')`

Tensor Flow官方网站上提供三种读取数据的方法

1. 预加载数据：在Tensor Flow图中定义常量或变量来保存所有数据,将数据直接嵌到数据图中，当训练数据较大时，很消耗内存。

如

x1=tf.constant([0,1]) x2=tf.constant([1,0]) y=tf.add(x1,x2)

2.填充数据：使用sess.run()的feed_dict参数，将Python产生的数据填充到后端，之前的MNIST数据集就是通过这种方法。也有消耗内存，数据类型转换耗时的缺点。

3. 从文件读取数据：从文件中直接读取，让队列管理器从文件中读取数据。分为两步

先把样本数据写入TFRecords二进制文件

再从队列中读取

TFRecord是TensorFlow提供的一种统一存储数据的二进制文件，能更好的利用内存，更方便的复制和移动，并且不需要单独的标记文件。下面通过代码来将MNIST转换成TFRecord的数据格式，其他数据集也类似。