tensorflow2读取数据P4: tf.data.TFRecordDataset创建Dataset

为啥要用tfrecord

使用tfrecord是为了更高效地读取数据，这种方式比较适合数据量大且数据集相对稳定的情况。tfrecord将数据存储成了二进制记录序列的格式，这格式比较对计算机的胃口，读取更高效一些。
如果只是训练一点点数据，没必要存成tfrecord，因为这样带来的效率提升不够显著。
如果数据集里面的样本和标签时常有变动，也不太适合用tfrecord格式。因为数据集中样本和标签经常变动，可能是因为对任务的目标定位不够明确、数据集不够干净。这些数据存储成图片格式，方便进行查看和必要的改动。但存储成tfrecord格式，人工查看就不是很方便了。若是数据集较为干净、且任务定义明确，只是数据量在不断增长，还是比较适合存储成tfrecord的。

怎么制作tfrecord呢？

感觉有些复杂，为啥呢？因为制作tfrecord，数据大部分要经过2步转换。如下图所示，想存入tfrecord的数据，不管是数值、字符串还是图片，都得先变成正规军tf.train.Feature格式的数据。然后多个由关键字（string类型）和对应tf.train.Feature组成的字典生成tf.Example, 然后再序列化成二进制字符串，存储到文件中，大功告成。
真是太复杂了，为啥不能只输入一个路径，然后tensorflow自己分析里面有啥，然后存到tfrecord呢？（白日做梦）
现在就来实现以下这个过程。