При прохождении курсов ML/глубокого обучения обычно имеется доступ к предварительно загруженным наборам данных, таким как MNIST, FashionMNIST и т. д., поскольку они поставляются с такими платформами глубокого обучения, как Tensorflow. Но в реальных приложениях ваш набор данных, скорее всего, не будет доступен в таком виде. Кроме того, он может быть слишком большим, чтобы сразу поместиться в память. TFRecords предлагает уникальное решение проблемы обучения моделей с большими наборами..

Объяснение TFRecords Работа с TFRecords с введением в Protobufs В этом посте я собираюсь обсудить Tensorflow Records . Tensorflow рекомендует хранить и читать данные в формате tfRecords. Он внутренне использует буферы протокола для сериализации / десериализации данных и хранения их в байтах, поскольку требуется меньше места для хранения большого количества данных, а также для их передачи. Protobufs работают с предопределенными схемами, в отличие от JSON и XML. tfRecords имеет..