tensorflow建议用Dataset取代queue读取数据，Dataset读取数据有占用内存小、方便对数据预处理等优点，但是读写文件需要注意格式问题，下面实现一个读写二进制文件的例子：
首先创建numpy数组存成二进制文件
M = 200; N = 5; np.random.seed(231)
a = np.random.rand(M, N)
file_a = 'test_a.txt'
with open(file_a, 'wb') as f:
f.write(a)
然后定义解析二进制文件函数
def decode_float64(x):
return tf.decode_raw(x, tf.float64)
最后读取文件
dataset = tf.data.FixedLengthRecordDataset(file_a, record_bytes=8*N)
dataset = dataset.map(decode_float64)
element = dataset.make_one_shot_iterator().get_next()
with tf.Session() as sess:
for i in range(5):
print(sess.run(element))
输出结果为
输出结果
还可以通过batch/map/shuffle/zip等函数对Dataset类进行修改
