原文地址：https://www.tensorflow.org/programmers_guide/datasets
需要注意的是，如下教程的tf.data的模块需要将tensorflow升级到1.4的版本，才可以支持，低于1.4的版本的导入数据教程，见之前的翻译教程，戳这里
原创翻译，版权所有，请勿私自用于商务用途，转载请在文章首尾注明出处

Dataset的API让你能从简单，可重用的模块中构建复杂的输入管道。例如一个图片模型的输入管道，可能要从分布式的文件系统中获得数据，对每张图片做随机扰动，以及将随机选取的图片合并到一个批次中用作训练。文本模型的输入管道可能涉及到从原始文本数据中提取符号，然后将其转换到查找表中嵌入的标识符，以及将不同长度的序列组合成批次。Dataset的API使得处理大量的数据，不同的数据格式和复杂的转换变得容易。

Dataset的API为TensorFlow中引入了两个新的抽象概念：

• tf.data.Dataset表示一个元素的序列，在这个序列中每个元素包含一个或多个Tensor对象。例如在一个图片输入管道中，一个元素可能是单个训练样本，这个元素包含一对Tensor分别表示图片数据和一个标签。有两种不同的方式创建一个dataset:
  • 创建一个source（例如Dataset.from_tensor_slices()）从一个或多个tf.Tensor对象中构建一个dataset
  • 应用一个transformation(例如Dataset.batch())从一个或多个tf.data.Dataset对象中构建一个dataset
• tf.data.Iterator提供从一个dataset中提取元素的主要方式。Iterator.get_next()返回的操作在运行时会产生一个Dataset的下一个元素，它通常充当着输入管道代码和你的模型之间的接口。最简单的迭代器是“一次性迭代器”，这种迭代器与特殊的Dataset联系并且只通过它迭代一次。对于更复杂的使用，Iterator.initializer操作能让你使用不同的数据集重新初始化和配置迭代器。例如，你可以在同一个程序中多次迭代训练和验证数据。

Basic mechanics

这部分的指南介绍了创建不同类型的Dataset和Iterator对象的基础，以及如何从它们中获取数据。
为了开始一个输入管道，你必须定义一个源。例如你可以使用tf.data.Dataset.from_tensors()或者tf.data.Dataset.from_tensor_slices()来使用在内存中的一些tensor构建一个Dataset。或者你的数据在硬盘里以推荐的TFRecord格式保存，那么你可以创建一个tf.data.TFRecordDataset。

一旦你有了一个Dataset对象，你可以通过在tf.data.Dataset对象上链接方法调用来将其转换成一个新的Dataset对象。比如你可以应用每个元素的转换，如Dataset.map()(来对每个元素调用函数)，以及多元素的转换，如Dataset.batch()。有关转换的完整列表，请参阅tf.data.Dataset的文档。
最常见的从一个Dataset中消耗数值的方法就是创建一个迭代器对象，迭代器对象提供对于数据集中一个元素的一次访问（例如通过调用Dataset.make_one_shot_iterator()）。tt.data.Iterator提供两个操作：Iterator.initializer，让你能（重新）初始化迭代器的状态；Iterator.get_next()会返回对应符号的下一个元素的tf.Tensor对象。根据你的使用情况，你可以选择不同类型的迭代器，下面概述了可选的迭代器。

Dataset structure

一个数据集包含的每个元素都有同样的结构。一个元素包含一个或者多个tf.Tensor对象，这些对象被称作部件。每个部件有一个tf.DType表示在tensor中元素的类型，和一个tf.TensorShape表示（可能是部分指定的）每个元素的静态形状。
Dataset.output_types和Dataset.output_shapes属性使得你能检查数据集元素的每个部件的推断的类型和形状。这些属性的嵌套结构映射到一个元素的结构，该元素可能是单个张量，张量元组或张量的嵌套元组。例如：

dataset1 = tf.data.Dataset.from_tensor_slices(tf.random_uniform([4, 10]))
print(dataset1.output_types)  # ==> "tf.float32"
print(dataset1.output_shapes)  # ==> "(10,)"

dataset2 = tf.data.Dataset.from_tensor_slices(
   (tf.random_uniform([4]),
    tf.random_uniform([4, 100], maxval=100, dtype=tf.int32)))
print(dataset2.output_types)  # ==> "(tf.float32, tf.int32)"
print(dataset2.output_shapes)  # ==> "((), (100,))"

dataset3 = tf.data.Dataset.zip((dataset1, dataset2))
print(dataset3.output_types)  # ==> (tf.float32, (tf.float32, tf.int32))
print(dataset3.output_shapes)  # ==> "(10, ((), (100,)))"

通常给一个元素的每个组件命名是比较方便的，例如如果它们表示一个训练样本的不同特征。除了元组，你可以使用collections.namedtuple或者将字符串映射到张量的字典来表示Dataset中的单个元素。

dataset = tf.data.Dataset.from_tensor_slices(
   {"a": tf.random_uniform([4]),
    "b": tf.random_uniform([4, 100], maxval=100, dtype=tf.int32)})
print(dataset.output_types)  # ==> "{'a': tf.float32, 'b': tf.int32}"
print(dataset.output_shapes)  # ==> "{'a': (), 'b': (100,)}"

Dataset的转换支持任何结构的数据集。当使用Dataset.map(),Dataset.flat_map()和Dataset.filter()转换时——这些转换会对每个元素应用一个函数，元素的结构决定调用函数的参数：

dataset1 = dataset1.map(lambda x: ...)

dataset2 = dataset2.flat_map(lambda x, y: ...)

# Note: Argument destructuring is not available in Python 3.
dataset3 = dataset3.filter(lambda x, (y, z): ...)

Creating an iterator

一旦你创建了一个Dataset对象代表你的输入数据，下一步就是创建一个Iterator来从数据集中获取数据。
Dataset的API现在支持下列迭代器，它们的复杂程度顺序递增：

• one-shot,
• initializable,
• reinitializable
• feedable.

one-shot迭代器是最简单的迭代器形式，它只支持迭代遍历数据集一次，不需要显式初始化。one-shot迭代器处理了现存的基于队列输入管道支持的几乎所有的情况，但是它们不支持参数化配置。使用Dataset.range()例子：

dataset = tf.data.Dataset.range(100)
iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

for i in range(100):
value = sess.run(next_element)
assert i == value

注意：现在，one-shot迭代器是唯一的易于和Estimator使用的迭代器类型。

initializable迭代器要求你在使用它之前，显式的调用iterator.initializer操作。这种不便换来的是它能让你使用一个或多个tf.placeholder()张量来参数化定义数据集，这些张量能在你初始化迭代器的时候被提供。接着Dataset.range()的例子：

max_value = tf.placeholder(tf.int64, shape=[])
dataset = tf.data.Dataset.range(max_value)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()

# Initialize an iterator over a dataset with 10 elements.
sess.run(iterator.initializer, feed_dict={max_value: 10})
for i in range(10):
  value = sess.run(next_element)
  assert i == value

# Initialize the same iterator over a dataset with 100 elements.
sess.run(iterator.initializer, feed_dict={max_value: 100})
for i in range(100):
  value = sess.run(next_element)
  assert i == value

reinitializable迭代器能被多个不同的Dataset对象初始化。例如，你可能有一个训练输入管道，它会对输入的图片进行随机扰动来提高其泛华能力，与此同时，有一个验证输入管道在不变的数据上评估预测。这些管道一般使用不同的Dataset对象，但这些对象有相同的结构（比如每个元素有相同的类型和兼容的形状）。

# Define training and validation datasets with the same structure.
training_dataset = tf.data.Dataset.range(100).map(
    lambda x: x + tf.random_uniform([], -10, 10, tf.int64))
validation_dataset = tf.data.Dataset.range(50)

# A reinitializable iterator is defined by its structure. We could use the
# `output_types` and `output_shapes` properties of either `training_dataset`
# or `validation_dataset` here, because they are compatible.
iterator = Iterator.from_structure(training_dataset.output_types,
                                   training_dataset.output_shapes)
next_element = iterator.get_next()

training_init_op = iterator.make_initializer(training_dataset)
validation_init_op = iterator.make_initializer(validation_dataset)

# Run 20 epochs in which the training dataset is traversed, followed by the
# validation dataset.
for _ in range(20):
  # Initialize an iterator over the training dataset.
  sess.run(training_init_op)
  for _ in range(100):
    sess.run(next_element)

  # Initialize an iterator over the validation dataset.
  sess.run(validation_init_op)
  for _ in range(50):
    sess.run(next_element)

feedable迭代器可以和tf.placeholder一起使用，通过熟悉的feed_dict机制在每次调用tf.Session.run的时候，选择使用何种Iterator。它提供了与reinitializable迭代器相同的功能，但是在迭代器切换的时候，它不需要从数据集的开头初始化迭代器。例如使用上述相同的训练集和验证集的例子，你可以使用tf.data.Iterator.from_string_handle来定义一个feedable迭代器，它可以让你在两个数据集之间切换：

# Define training and validation datasets with the same structure.
training_dataset = tf.data.Dataset.range(100).map(
    lambda x: x + tf.random_uniform([], -10, 10, tf.int64)).repeat()
validation_dataset = tf.data.Dataset.range(50)

# A feedable iterator is defined by a handle placeholder and its structure. We
# could use the `output_types` and `output_shapes` properties of either
# `training_dataset` or `validation_dataset` here, because they have
# identical structure.
handle = tf.placeholder(tf.string, shape=[])
iterator = tf.data.Iterator.from_string_handle(
    handle, training_dataset.output_types, training_dataset.output_shapes)
next_element = iterator.get_next()

# You can use feedable iterators with a variety of different kinds of iterator
# (such as one-shot and initializable iterators).
training_iterator = training_dataset.make_one_shot_iterator()
validation_iterator = validation_dataset.make_initializable_iterator()

# The `Iterator.string_handle()` method returns a tensor that can be evaluated
# and used to feed the `handle` placeholder.
training_handle = sess.run(training_iterator.string_handle())
validation_handle = sess.run(validation_iterator.string_handle())

# Loop forever, alternating between training and validation.
while True:
  # Run 200 steps using the training dataset. Note that the training dataset is
  # infinite, and we resume from where we left off in the previous `while` loop
  # iteration.
  for _ in range(200):
    sess.run(next_element, feed_dict={handle: training_handle})

  # Run one pass over the validation dataset.
  sess.run(validation_iterator.initializer)
  for _ in range(50):
    sess.run(next_element, feed_dict={handle: validation_handle})

Consuming values from an iterator

Iterator.get_next()返回一个或者多个tf.Tensor对象，它们对应迭代器的迭代器下一个元素的象征符号。每次这些张量被评估，它们获取在隐藏的数据集中的下一个元素的数值。（注意：像其他在TensorFlow中的状态对象，调用Iterator.get_next()不会马上推动迭代器。相反你必须在TensorFlow表达式中使用返回的tf.Tensor对象，并且将这个表达式的结果传给tf.Session.run()来获取下一个元素和推动迭代器。）
如果迭代器达到数据集的末尾，运行Iterator.get_next()操作会抛出tf.errors.OutOfRangeError的错误。此时迭代器会处于禁用状态，如果你想再次使用它，那么你必须重新初始化它。

dataset = tf.data.Dataset.range(5)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()

# Typically `result` will be the output of a model, or an optimizer's
# training operation.
result = tf.add(next_element, next_element)

sess.run(iterator.initializer)
print(sess.run(result))  # ==> "0"
print(sess.run(result))  # ==> "2"
print(sess.run(result))  # ==> "4"
print(sess.run(result))  # ==> "6"
print(sess.run(result))  # ==> "8"
try:
  sess.run(result)
except tf.errors.OutOfRangeError:
  print("End of dataset")  # ==> "End of dataset"

一个常见的模式是将“训练循环”封装在try-except块中：

sess.run(iterator.initializer)
while True:
  try:
    sess.run(result)
  except tf.errors.OutOfRangeError:
    break

如果数据集的每个元素是嵌套结构，那么Iterator.get_next()返回值会是以同样结构嵌套的一个或者多个tf.Tensor对象：

dataset1 = tf.data.Dataset.from_tensor_slices(tf.random_uniform([4, 10]))
dataset2 = tf.data.Dataset.from_tensor_slices((tf.random_uniform([4]), tf.random_uniform([4, 100])))
dataset3 = tf.data.Dataset.zip((dataset1, dataset2))

iterator = dataset3.make_initializable_iterator()

sess.run(iterator.initializer)
next1, (next2, next3) = iterator.get_next()

注意，评估next1,next2或者next3中任何一个，都会推动对于所有组件共用的迭代器。一个典型的迭代器消耗，是在单个表达式中包含其所有组件。

Reading input data

Consuming NumPy arrays

如果你的所有输入数据能装进内存中，用它们创建一个Dataset最简单的方式就是将它们转换成tf.Tensor对象，并用Dataset.from_tensor_slices()。

# Load the training data into two NumPy arrays, for example using `np.load()`.
with np.load("/var/data/training_data.npy") as data:
  features = data["features"]
  labels = data["labels"]

# Assume that each row of `features` corresponds to the same row as `labels`.
assert features.shape[0] == labels.shape[0]

dataset = tf.data.Dataset.from_tensor_slices((features, labels))

注意上述代码片段会将features和labels数组作为tf.constant()操作嵌入你的TensorFlow的图中。这对于小的数据集而言运行良好，但是浪费内存——因为数组的内容会被拷贝两次——并且会达到tf.GraphDef协议缓冲的2GB限制。
作为一种替代，你可以按照tf.placeholder()张量来定义Dataset，然后在初始化Iterator的时候供给Numpy数组给这个数据集。

# Load the training data into two NumPy arrays, for example using `np.load()`.
with np.load("/var/data/training_data.npy") as data:
  features = data["features"]
  labels = data["labels"]

# Assume that each row of `features` corresponds to the same row as `labels`.
assert features.shape[0] == labels.shape[0]

features_placeholder = tf.placeholder(features.dtype, features.shape)
labels_placeholder = tf.placeholder(labels.dtype, labels.shape)

dataset = tf.data.Dataset.from_tensor_slices((features_placeholder, labels_placeholder))
# [Other transformations on `dataset`...]
dataset = ...
iterator = dataset.make_initializable_iterator()

sess.run(iterator.initializer, feed_dict={features_placeholder: features,
                                          labels_placeholder: labels})

Consuming TFRecord data

Dataset的API支持各种文件格式，因而你可以处理那些不能装进内存的大型数据集。例如，TFRecord文件格式是一种简单的记录式二进制格式，很多的TensorFlow应用将其格式用于训练数据。tf.data.TFRecordDataset类可以让你将一个或多个TFRecord文件的内容作为输入管道的一部分进行流式处理。

# Creates a dataset that reads all of the examples from two files.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)

传给TFRecordDataset初始化的filenames参数既可以是一个字符串，或者是一个字符串列表，或者是字符串的tf.Tensor。因此如果你有用于训练和验证两个数据集，你可以使用tf.placeholder(tf.string)来当做filenames参数，然后用合适的filenames参数来初始化迭代器：

filenames = tf.placeholder(tf.string, shape=[None])
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)  # Parse the record into tensors.
dataset = dataset.repeat()  # Repeat the input indefinitely.
dataset = dataset.batch(32)
iterator = dataset.make_initializable_iterator()

# You can feed the initializer with the appropriate filenames for the current
# phase of execution, e.g. training vs. validation.

# Initialize `iterator` with training data.
training_filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
sess.run(iterator.initializer, feed_dict={filenames: training_filenames})

# Initialize `iterator` with validation data.
validation_filenames = ["/var/data/validation1.tfrecord", ...]
sess.run(iterator.initializer, feed_dict={filenames: validation_filenames})

Consuming text data

很多数据集分布在一个或多个文本文件中。
tf.data.TextLineDataset提供了从一个或多个文本文件中获取每行数据的简单方式。给定一个或多个文件名，TextLineDataset会为这些文件的每一行产生一个字符串-数值元素。与TFRecordDataset相同，TextLineDataset接收tf.Tensor类型的数据作为filenames参数，因此你可以通过传一个tf.placeholder(tf.string)来参数化配置filenames这个参数。

filenames = ["/var/data/file1.txt", "/var/data/file2.txt"]
dataset = tf.data.TextLineDataset(filenames)

默认情况下，TextLineDataset会遍历文件的每一行，这样可能是不必要的，比如文件如果开始有个标题行，或者包含评论。可以使用Dataset.skip()和Dataset.filter()转换移除这些行。为了对每个文件分别应用这些转换，我们使用Dataset.flat_map()为每个文件创建一个嵌套的Dataset。

filenames = ["/var/data/file1.txt", "/var/data/file2.txt"]

dataset = tf.data.Dataset.from_tensor_slices(filenames)

# Use `Dataset.flat_map()` to transform each file as a separate nested dataset,
# and then concatenate their contents sequentially into a single "flat" dataset.
# * Skip the first line (header row).
# * Filter out lines beginning with "#" (comments).
dataset = dataset.flat_map(
    lambda filename: (
        tf.data.TextLineDataset(filename)
        .skip(1)
        .filter(lambda line: tf.not_equal(tf.substr(line, 0, 1), "#"))))

有关使用datasets解析CSV文件的完全例子，查看Regression Examples中的 imports85.py。

Preprocessing data with Dataset.map()

Dataset.map(f)转换通过对输入的数据集中每个元素应用给定的函数f，来产生一个新的数据集。这基于在函数式编程语言中经常应用于列表（和其他结构）的map()函数。函数f获得在输入中表示单个元素的tf.Tensor对象，然后返回其在新的数据集中代表的单个元素的tf.Tensor对象。这个实现使用了标准的TensorFlow的操作来将一个元素转换成另一个。
这节包含了如何使用Dataset.map()的常用例子。

Parsing tf.Example protocol buffer messages

很多输入管道从TFRecord格式的文件中提取tf.train.Example协议缓存消息（例如用tf.python_io.TFRecordWriter写的）每个tf.train.Example记录包含一个或多个“特征”，一般输入管道将这些特征转换成张量。

# Transforms a scalar string `example_proto` into a pair of a scalar string and
# a scalar integer, representing an image and its label, respectively.
def _parse_function(example_proto):
  features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
              "label": tf.FixedLenFeature((), tf.int32, default_value=0)}
  parsed_features = tf.parse_single_example(example_proto, features)
  return parsed_features["image"], parsed_features["label"]

# Creates a dataset that reads all of the examples from two files, and extracts
# the image and label features.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(_parse_function)

Decoding image data and resizing it

当使用真实世界的图片数据来训练一个神经网络的时候，经常需要将不同大小的图片转换成一个统一的大小，这样使它们能够合批到一个固定的大小。

# Reads an image from a file, decodes it into a dense tensor, and resizes it
# to a fixed shape.
def _parse_function(filename, label):
  image_string = tf.read_file(filename)
  image_decoded = tf.image.decode_image(image_string)
  image_resized = tf.image.resize_images(image_decoded, [28, 28])
  return image_resized, label

# A vector of filenames.
filenames = tf.constant(["/var/data/image1.jpg", "/var/data/image2.jpg", ...])

# `labels[i]` is the label for the image in `filenames[i].
labels = tf.constant([0, 37, ...])

dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
dataset = dataset.map(_parse_function)

Applying arbitrary Python logic with tf.py_func()

因为性能的原因，我们鼓励你尽可能使用TensorFlow的操作来预处理你的数据。但是，当你解析你的输入数据的时候，有时候需要调用额外的Python库。为此，在Dataset.map()转换中调用tf.py_func()。

import cv2

# Use a custom OpenCV function to read the image, instead of the standard
# TensorFlow `tf.read_file()` operation.
def _read_py_function(filename, label):
  image_decoded = cv2.imread(image_string, cv2.IMREAD_GRAYSCALE)
  return image_decoded, label

# Use standard TensorFlow operations to resize the image to a fixed shape.
def _resize_function(image_decoded, label):
  image_decoded.set_shape([None, None, None])
  image_resized = tf.image.resize_images(image_decoded, [28, 28])
  return image_resized, label

filenames = ["/var/data/image1.jpg", "/var/data/image2.jpg", ...]
labels = [0, 37, 29, 1, ...]

dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
dataset = dataset.map(
    lambda filename, label: tuple(tf.py_func(
        _read_py_function, [filename, label], [tf.uint8, label.dtype])))
dataset = dataset.map(_resize_function)

Batching dataset elements

Simple batching

最简单的合批形式就是将一个数据集中的连续n个元素堆叠成一个元素。Dataset.batch()就是这么坐的，它与tf.stack()操作有同样的约束，被应用于每个元素的组件：就是说对于每个组件i，所有的元素必须是有确切形状的张量。

inc_dataset = tf.data.Dataset.range(100)
dec_dataset = tf.data.Dataset.range(0, -100, -1)
dataset = tf.data.Dataset.zip((inc_dataset, dec_dataset))
batched_dataset = dataset.batch(4)

iterator = batched_dataset.make_one_shot_iterator()
next_element = iterator.get_next()

print(sess.run(next_element))  # ==> ([0, 1, 2,   3],   [ 0, -1,  -2,  -3])
print(sess.run(next_element))  # ==> ([4, 5, 6,   7],   [-4, -5,  -6,  -7])
print(sess.run(next_element))  # ==> ([8, 9, 10, 11],   [-8, -9, -10, -11])

Batching tensors with padding

上述办法对于有一样大小的张量有用。但是，很多模型（比如序列模型）处理的输入数据会有不同的大小（比如不同长度的序列）。为了处理这种情况，Dataset.padded_batch()转换能使你通过指定一个或多个维度来填充，从而合批不同形状的张量。

dataset = tf.data.Dataset.range(100)
dataset = dataset.map(lambda x: tf.fill([tf.cast(x, tf.int32)], x))
dataset = dataset.padded_batch(4, padded_shapes=[None])

iterator = dataset.make_one_shot_iterator()
next_element = iterator.get_next()

print(sess.run(next_element))  # ==> [[0, 0, 0], [1, 0, 0], [2, 2, 0], [3, 3, 3]]
print(sess.run(next_element))  # ==> [[4, 4, 4, 4, 0, 0, 0],
                               #      [5, 5, 5, 5, 5, 0, 0],
                               #      [6, 6, 6, 6, 6, 6, 0],
                               #      [7, 7, 7, 7, 7, 7, 7]]

Dataset.padded_batch()转换允许你对于每个组件的每个维度设置不同的填充，并且这些填充可以是变长度的（如上述例子中的用None指明）或者固定长度的。它也可以设置填充的数值，这个数值默认为0。

Training workflows

Processing multiple epochs

Dataset的API主要提供两种方式来处理同样的数据多代使用的情况。

在一个数据集上迭代多代次的最简单版本使用Dataset.repeat()转换。例如创建一个数据集，重复输入10代次：

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.repeat(10)
dataset = dataset.batch(32)

没有参数的应用Dataset.repeat()将重复输出无限次。Dataset.repeat()转换连接其参数，不会在一代结束和下一代开始的时候发信号。
如果你想要在每代结束的时候接收信号，你可以编写训练循环来捕获数据集末尾的tf.errors.OutOfRangeError。这时你可以为该代收集一些统计信息（比如验证错误）。

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.batch(32)
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()

# Compute for 100 epochs.
for _ in range(100):
  sess.run(iterator.initializer)
  while True:
    try:
      sess.run(next_element)
    except tf.errors.OutOfRangeError:
      break

  # [Perform end-of-epoch calculations here.]

Randomly shuffling input data

Dataset.shuffle()转换使用与tf.RandomShuffleQueue相似的算法来随机打乱输入的数据集：它维护了一个固定大小的缓存，并等概率的随机的从中选择下一个元素。

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)
dataset = dataset.repeat()

Using high-level APIs

tf.train.MonitoredTrainingSession的API简化了在分布式设置上运行TensorFlow的很多方面。MonitoredTraingSession抛出tf.errors.OutOfRangeError来通知训练的完成，因此配合它使用Dataset的API，我们推荐使用Dataset.make_one_shot_iterator()。例如

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(...)
dataset = dataset.shuffle(buffer_size=10000)
dataset = dataset.batch(32)
dataset = dataset.repeat(num_epochs)
iterator = dataset.make_one_shot_iterator()

next_example, next_label = iterator.get_next()
loss = model_function(next_example, next_label)

training_op = tf.train.AdagradOptimizer(...).minimize(loss)

with tf.train.MonitoredTrainingSession(...) as sess:
  while not sess.should_stop():
    sess.run(training_op)

为了在tf.estimator.Estimator的input_fn中使用Dataset，我们也推荐使用Dataset.make_one_shot_iterator()。例如：

def dataset_input_fn():
  filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
  dataset = tf.data.TFRecordDataset(filenames)

  # Use `tf.parse_single_example()` to extract data from a `tf.Example`
  # protocol buffer, and perform any additional per-record preprocessing.
  def parser(record):
    keys_to_features = {
        "image_data": tf.FixedLenFeature((), tf.string, default_value=""),
        "date_time": tf.FixedLenFeature((), tf.int64, default_value=""),
        "label": tf.FixedLenFeature((), tf.int64,
                                    default_value=tf.zeros([], dtype=tf.int64)),
    }
    parsed = tf.parse_single_example(record, keys_to_features)

    # Perform additional preprocessing on the parsed data.
    image = tf.decode_jpeg(parsed["image_data"])
    image = tf.reshape(image, [299, 299, 1])
    label = tf.cast(parsed["label"], tf.int32)

    return {"image_data": image, "date_time": parsed["date_time"]}, label

  # Use `Dataset.map()` to build a pair of a feature dictionary and a label
  # tensor for each example.
  dataset = dataset.map(parser)
  dataset = dataset.shuffle(buffer_size=10000)
  dataset = dataset.batch(32)
  dataset = dataset.repeat(num_epochs)
  iterator = dataset.make_one_shot_iterator()

  # `features` is a dictionary in which each value is a batch of values for
  # that feature; `labels` is a batch of labels.
  features, labels = iterator.get_next()
  return features, labels