如何通过tf.Dataset Pipeline训练和评估Keras顺序神经网络

Question

我正在尝试将一个keras顺序模型放在一起，并使用Dataset API在大型数据集上对其进行训练/评估。我看到了如何做到这一点的零碎零碎的地方，但是没有一个地方可以将它们组合在一起。 我的数据源是一个很大的csv文件。 我看到了一些有关如何通过TextLineDataset的迭代器（加上解码器_csv实用程序函数）解析csv文件的示例，但是我没有看到如何将其适合于基本的Keras模型创建...训练模式，例如：

    #create model
    model = models.Sequential()
    #add layers
    model.add(layers.Dense(..., activation='relu'))
    model.add(layers.Dense(...,acticvation='relu'))
    ...
    model.add(layers.Dense(...,activation='tanh')
    #compile model
    model.compile(optimizer='adam',...)
    #train
    model.fit(???)
    #evaluate
    model.evaluate(???)

1. 使用tf.data.Dataset做事这种模式是否可能，如果没有，首选的模式是什么？
2. 如何使用通过Dataset API管道的迭代器提供的数据来训练keras序列？