Python 警告：调用迭代器未完全读取正在缓存的数据集。为了避免数据集被意外截断

这是在我使用

tf.data.Dataset

时发生的：

调用迭代器未完全读取正在缓存的数据集。为了避免数据集的意外截断，数据集的部分缓存内容将被丢弃。如果您的输入管道类似于

dataset.cache（）.take（k）.repeat（）

，则可能发生这种情况。您应该使用

dataset.take（k）.cache（）.repeat（）

例如，根据其他问题，它与

cache（）

在方法序列中的位置有关，但我不知道具体做什么

以下是如何重现警告：

import tensorflow_datasets as tfds

ds = tfds.load('iris', split='train')

ds = ds.take(100)

for elem in ds:
    pass

---

似乎无论我做什么，无论我在哪里使用

cache（）

，都会弹出警告。

我试图在

Google colab

上运行你的代码，它在没有任何警告的情况下成功运行，我正在使用

Tensorflow 2.3

但是，您可以在使用

缓存时遵循此常规方法

如果数据集足够小，可以放入内存中，则可以显著提高速度
使用数据集的
cache（）
方法将其内容缓存到
RAM
。通常应在加载和预处理
数据，但在
洗牌
、
重复
、
批处理
和
预取
之前。这边
每个实例将只被读取和预处理一次（而不是每个历元一次）