在python中使用.cache（）进行数据准备

当使用

tensorflow\u数据集时，有人能解释这行中
.cache（）
的用途吗

train_batches = train_examples.cache().shuffle(num_examples // 4).map(format_image).batch(32).prefetch(1)

顾名思义，它将样本缓存在内存中（如果提供了文件名，则缓存在磁盘上）。例如，如果
train\u examples
包括昂贵的预处理，则不需要为每个历元重复预处理，但会增加内存消耗

请注意，由于顺序的原因，在
.cache（）
之后调用的所有方法仍然在每个历元中执行。根据具体情况，在
.cache（）
之前调用
.map（）
可能会有所帮助。但是，洗牌和批处理通常应最后调用

有关详细信息，请查看。
顾名思义，它将样本缓存在内存中（如果提供文件名，则缓存在磁盘上）。例如，如果
train\u examples
包括昂贵的预处理，则不需要为每个历元重复预处理，但会增加内存消耗

请注意，由于顺序的原因，在
.cache（）
之后调用的所有方法仍然在每个历元中执行。根据具体情况，在
.cache（）
之前调用
.map（）
可能会有所帮助。但是，洗牌和批处理通常应最后调用

有关详细信息，请查看。
在这种情况下，洗牌将只执行一次。人们应该小心缓存。另外，如果没有给出文件名，对于大型数据集，计算机可能会很快耗尽ram。您能解释一下关于文件名的更多信息吗，因为我收到一条消息，说内存不足？。如何避免it@MYASS这在网上有很好的文档记录，我添加了一个链接。在这种情况下，洗牌将只执行一次。人们应该小心缓存。另外，如果没有给出文件名，对于大型数据集，计算机可能会很快耗尽ram。您能解释一下关于文件名的更多信息吗，因为我收到一条消息，说内存不足？。如何避免it@MYASS这在网上有很好的记录，我添加了一个链接。