我的目标是训练一个神经网络，固定训练若干轮次或步骤，我希望每个步骤使用来自.tfrecords文件的特定大小的数据批次。

目前我使用以下循环从文件中读取数据：

i = 0data = np.empty(shape=[x,y])for serialized_example in tf.python_io.tf_record_iterator(filename):    example = tf.train.Example()    example.ParseFromString(serialized_example)    Labels = example.features.feature['Labels'].byte_list.value    # 这里还有其他特征    data[i-1] = [Labels[0], # 这里还有其他特征]    if i == 3:        break    i = i + 1print data # 做一些事情等

我对Python还不太熟练，我怀疑在循环外创建“i”并在达到某个值时中断循环只是一个临时解决方案。

有没有一种方法可以让我从文件中读取数据，但指定“我想要Labels特征中包含的byte_list的前100个值”，然后接着“我想要接下来的100个值”。

为了澄清，我不熟悉以这种方式遍历文件，我不太确定如何操作这个循环。

谢谢。

回答：

不可能。TFRecords是一个流式读取器，没有随机访问功能。

TFRecords文件表示一系列（二进制）字符串。该格式不支持随机访问，因此适合流式传输大量数据，但不适合需要快速分片或其他非顺序访问的情况。