Python 使用带有tf.data的生成器的最具伸缩性的方法？tf.data guide说，“from_generator”的可扩展性有限

tf.data有一个来自\u生成器的

初始值设定项，它看起来不可伸缩。来自官方指南

注意：虽然这是一种方便的方法，但它的局限性很小
可移植性和可扩展性。它必须在同一个python进程中运行
它创建了生成器，并且仍然受Python GIL的约束


在官方文件中

注意：Dataset.from_generator（）的当前实现使用
函数，并继承相同的约束。特别是
需要将与数据集和迭代器相关的操作放置在
与调用
Dataset.from_生成器（）。生成器的主体将不会序列化
在GraphDef中，如果需要，则不应使用此方法
序列化模型并在其他环境中还原它

注意：如果生成器依赖于可变全局变量或其他变量
外部状态，请注意运行时可能会调用生成器
多次（为了支持重复数据集），并且随时
从_generator（）调用Dataset.from到生产之间的时间
发电机的第一个元件。变异全局变量或
外部状态可能导致未定义的行为，我们建议您
在调用之前显式缓存生成器中的任何外部状态
Dataset.from_生成器（）


然而，生成器是对大量数据进行训练的一种相当常见的方法。因此，必须有一些替代的最佳实践，但官方的Tensorflow数据指南没有给出任何相关信息
 你觉得有用吗？