在TensorFlow中读数据一般有三种方法：
- 使用placeholder读内存中的数据
- 使用queue读硬盘中的数据
- 使用Dataset读内存个硬盘中的数据
基本概率
由于第三种方法在语法上更简洁，因此本文主要介绍第三种方法。官方给出的Dataset API类图：
其中终于重要的两个基础类： Dateset和 Iterator。
Dateset是具有相同类型的“元素”的有序表，元素可以是向量、字符串、图片等。
从内存中创建Dataset
以数字元素为例：
从Dataset中实例化一个Iterator，然后对Iterator进行迭代。
iterator = dataset.make_one_shot_iterator()
从dataset中实例化一个iterator，是“one shot iterator”，即只能从头到尾读取一次。
one_element = iterator.get_next()
从iterator中取出一个元素， one_element是一个tensor，因此需要调用sess.run(one_element)取出值。
如果元素被读取完了，再sess.run(one_element)会抛出tf.errors.OutOfRangeError异常。解决方法：使用 dataset.repeat()
更复杂的输入形式，例如，在图像识别的应用中，一个元素可以使{“image”：image_tensor， “label”：lable_tensor}
dataset = tf.data.Dataset.from_tensor_slices(
{
"a": np.array([1.0, 2.0, 3.0, 4.0, 5.0]),
"b": np.random.uniform(size=(5, 2))
}
)
最终dataset中的一个元素为{"a": 1.0, "b": [0.9, 0.1]}的形式。
或者
dataset = tf.data.Dataset.from_tensor_slices(
(np.array([1.0, 2.0, 3.0, 4.0, 5.0]), np.random.uniform(size=(5, 2)))
)
对Dataset中的元素做变换：Transformation
一个Dataset通过Transformation变成一个新的Dataset。常用的操作有：
- map
- batch
- shuffle
- repeat
下面分别来介绍以上几个操作。
（1）map
map接收一个函数，dataset中的每个元素都可以作为这个函数的输入，并将函数的返回值作为新的dataset，例如：
dataset = tf.data.Dataset.from_tensor_slices(np.array([1.0, 2.0, 3.0, 4.0, 5.0]))
dataset = dataset.map(lambda x: x + 1) # 2.0, 3.0, 4.0, 5.0, 6.0
（2）batch
将多个元素组合成batch，例如：
dataset = dataset.batch(32)
（3）shuffle
打乱dataset中的元素，参数buffersize表示打乱时buffer的大小。
dataset = dataset.shuffle(buffer_size=10000)
（4）repeat
将整个序列重复多次，只用用来处理epoch。如果直接调用repeat()的话，生成的序列就会无限重复下去，没有结束，因此也不会抛出。tf.errors.OutOfRangeError异常：
dataset = dataset.repeat(5)
例子：读磁盘图片与对应的label
读入磁盘中的图片和图片相应的label，并将其打乱，组成batch_size=32的训练样本。在训练时重复10个epoch。
# 函数的功能时将filename对应的图片文件读进来，并缩放到统一的大小
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
# 图片文件的列表
filenames = tf.constant(["/var/data/image1.jpg", "/var/data/image2.jpg", ...])
# label[i]就是图片filenames[i]的label
labels = tf.constant([0, 37, ...])
# 此时dataset中的一个元素是(filename, label)
dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
# 此时dataset中的一个元素是(image_resized, label)
dataset = dataset.map(_parse_function)
# 此时dataset中的一个元素是(image_resized_batch, label_batch)
dataset = dataset.shuffle(buffersize=1000).batch(32).repeat(10)
# 此时dataset中的一个元素是(image_resized_batch, label_batch)
# image_resized_batch的形状为(32, 28, 28, 3)， label_batch的形状为(32, )