Python 缓冲区大小在Tensorflow数据集洗牌中起什么作用？

所以我一直在研究这段代码：并且几乎对它的功能有了一个好的想法。但是，我无法完全发现缓冲区大小变量的用途是什么。我怀疑它可能被用来创建一个大小为BUFFER\u size的数据库子集，然后从这个子集中获取批处理，但我看不出它的意义，也找不到人解释它

---

因此，如果有人能解释一下缓冲区大小的作用，我将不胜感激❤

它用作

tf.data.Dataset.shuffle

中的

buffer\u size

参数。你看过报纸了吗

此数据集使用

buffer\u size

元素填充缓冲区，然后从该缓冲区中随机采样元素，用新元素替换所选元素。为了实现完美的洗牌，需要缓冲区大小大于或等于数据集的完整大小

例如，如果您的数据集包含10000个元素，但

buffer\u size

设置为1000，则shuffle最初将仅从缓冲区中的前1000个元素中选择一个随机元素。一旦选择一个元素，其在缓冲区中的空间将被下一个（即1001个）元素替换，从而保持1000个元素的缓冲区

---

在TensorFlow的文档中，

buffer\u size

在buffer\u size的大小之间定义了一个随机的第一个元素。选择此随机项后，下一个数字将跟随

buffer\u size

样本数=1000
缓冲区大小=100

在（0，100）之间随机选择一个
随机=37
样本为（37至137）