第4章
TensorFlow Datasets

在本书的前几章中，你使用了不同的数据来训练模型，从通常与Keras绑定的Fashion MNIST数据集，到基于图像的Horses or Humans和Dogs vs. Cats数据集，你不得不下载和预处理它们可用的ZIP文件。你可能已经发现有许多不同的方法来得到训练模型的数据。

但是，在你开始考虑模型架构之前，许多公开的数据集需要你学习很多不同领域的技能。TensorFlow Datasets（TFDS）背后的目标是使用一种简单的方法来提供数据集供用户使用，所有获取数据以及将它传入TensorFlow友好的API的预处理步骤都为你实现好了。

在第1和第2章中，你已经看到了一些Keras如何处理Fashion MNIST数据集的想法。回顾一下，为了获取数据，你需要运行以下代码：

TFDS基于这个想法构建，极大地扩展了数据集的个数和数据类型的多元化。可用的数据集列表（https://oreil.ly/zL7zq）一直都在增加，例如以下类型。

音频

演讲和音乐数据。

图像

从简单的学习数据集（例如Horses or Humans）到高级的科研数据集（例如糖尿病视网膜病变检测）。

目标检测

COCO、Open Images，等等。

结构化数据

Titanic幸存者、Amazon评价，等等。

总结

CNN和Daily Mail的新闻、科研论文、wikiHow，等等。

文本

IMDb评论、自然语言问题，等等。

翻译

各种各样的翻译训练数据集。

视频

Moving MNIST、Starcraft，等等。

TensorFlow Datasets在TensorFlow之外需要独立安装，因此在尝试任何例子之前，确保安装好它！如果你正在使用Google Colab，那么它已经安装好了。

本章将介绍TFDS以及如何使用它来极大地简化训练过程。我们将探索底层的TFRecord结构，以及它如何对所有类型的潜在数据都能提供共性。你还会学习使用TFDS的Extract-Transform-Load（ETL）模式，该模式可以用来有效地使用超大量的数据训练模型。