我在Node.js中使用Tensorflow.js，配备了支持Nvidia CUDA的GPU（请注意，这不是Python），并已经实现了一个AI模型。我有一个Dataset对象，它代表了我想要训练模型的输入数据。

然而，我想将我的数据按80% – 20%的比例进行分割，其中80%用于训练，20%用于验证。

在.fitDataset()方法中，有validationData设置用于指定验证数据。

不幸的是，我只有一个Dataset对象来代表我的整个数据集。

此外，我的训练数据既是时间序列的，又是极其庞大的——我的Dataset对象由一个生成器函数支持。因此，我希望Dataset对象的最后20%作为我的验证数据。

在不将所有数据加载到内存的情况下，将单个Dataset对象高效地拆分为两部分，并使用其中最后20%作为验证数据的最佳方法是什么？

回答：

数据不是一次性全部加载到内存中，而是迭代加载的。因此，可以对加载的数据应用过滤来将其分割成两个数据集

// 首先加载数据集
const csvDataset = tf.data.csv(csvUrl);
// 分割数据集
let i = 0;
trainDataset = csvDataset.filter(x => i++%5 !== 0)
i = 0
testDataset = csvDataset.filter(x => i++%5 === 0)