Данные дальше в TensorFlow

Не каждый пример из потока нужен обучению: часть отбрасывают по простому правилу, чтобы в цикл попадали только подходящие значения.

Чтение и преобразование примеров можно распределить по времени, чтобы следующий элемент готовился заранее, пока обрабатывается текущий. Если набор небольшой и не меняется между проходами, его целиком сохраняют в памяти и повторно обходят без повторной работы источника.

Иногда несколько готовых потоков с одинаковой структурой элементов соединяют в один длинный поток. Для переноса между запусками примеры записывают в файлы и снова читают как набор.

Цикл обучения часто требует нескольких проходов по одним и тем же данным, поэтому поток настраивают на повторение содержимого нужное число раз или без ограничения.

Со всем этим мы и будем разбираться в рамках данного раздела.