在Tensorflow中，使用功能列表而不是字典进行输入？

Question

我正在尝试使用TFRecords在tensorflow中创建最佳管道，而当我不得不将功能列表转换为dict时，我遇到了巨大的瓶颈。这消耗了我100％的CPU，并使一切变慢。

是否有一种方法使用列表而不是功能的字典来提供估计器？

我有1035个功能作为tf.float_list存储在features ['features]中。

此代码为bottlneck：

def parse_tf(example):
    "Parse TFExample records and perform simple data augmentation."
    features = {
        'features': tf.FixedLenFeature((1035,), tf.float32),
        'vwap': tf.FixedLenFeature((1,), tf.float32),
        'labels': tf.FixedLenFeature((2,), tf.float32),
    }
    parsed_features = tf.parse_single_example(example, features)
    feats = parsed_features['features']
    my_features = {}
    # BOTTLENECK BELOW, CREATION OF DICT IS SLOWWWW !
    for idx, names in enumerate(COLUMNS):
         my_features[names] = feats[idx]

    labels = parsed_features['labels']
    return my_features, labels

我正在使用num_of_parralel调用设置为8（cpu上的线程数），但是它仍然非常慢。

是否可以直接喂float_？