小编구마왕*_*구마왕的帖子

我试图通过深度神经网络（DNN）解决输入数据具有 32 个特征和 16 个标签的分类问题。

他们看着像是，

# Input data
shape=(32,), dtype=float32, 
np.array([-0.9349509 ,  0.24052018, -0.29364416,  1.2375807 , -0.15996791,
        0.32468656,  0.43856472,  0.00573635, -0.48105922,  0.09342893,
        0.63206947,  0.44424117,  0.31256443,  0.09699771,  0.31004518,
        0.8685253 ,  0.74120486,  0.65404135, -0.4084895 ,  0.07065713,
        0.33964285, -0.20022233, -0.29489437,  0.40699714,  0.27028704,
        0.74895304, -0.4846958 ,  0.22371463,  0.3422047 , -0.24379562,
        0.38614622,  0.01282159])
# Label (Class)
shape=(16,), dtype=int64, np.array([0, 0, 0, 0, 0, 1, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0])

我想用超过 1 亿的数据（非常大的大小）训练我的神经网络，所以不可能将整个数据集加载到 python 数组中。
谷歌搜索后，我发现tf.TFRecord可以帮助我解决这个容量问题。

我按照官方 TensorFlow …

例如，元组是 (1,0,1,1,1,0) 而子元组是 (1,0)

按升序，如何找出这个子元组在元组中？

是否只能通过迭代进行一一比较？

前任。( 1,0 ,1,1,1,0) = ( 1,0 , *, *, *, *) 所以子元组 (1,0) 在元组中！

cf 我不需要像这样知道 (1,0) 在 (1,0,1,1,1,0) 中：

(1,0,1,1, 1,0 ) = ( *, *, *, *, 1,0 ) 所以 (1,0) 在 (1,0,1,1,1,0).. => 错了。