TensorFlow：实战Google深度学习框架（六）数据处理框架-数据集

除了通过队列进行多线程输入的方法之外，tensorflow还提供了一套更高层的数据数据处理框架。在新的框架中，每一个数据来源被抽象成一个“数据集”，开发者可以进行batching、shuffle等操作。

数据集的基本使用方法：每一个数据来源都是一个数据集，可以是一个张量，可以是一个tfrecord而文件、一个文本文件。。。。。。

由于训练数据无法同时读入内存，从数据集中读取数据时需要使用一个迭代器（iterator)按顺序进行读取，这和队列的dequeue操作以及reader的read操作类似
数据集的高层操作
1. map()函数解析：map(parser）表示的时数据集中的每一条数据都进行相应的操作；map在对每一条数据进行处理后，再对数据进行包装，然后返回一个新的数据集。map函数可以用于对数据任何预处理操作
2. 其他高层操作：dataset.shuffle()、dataset.batch()、dataset.repeat()......