使用tf.io.parse_example从TFRecords中读取示例时，如何设置批处理大小？

Question

我对tf.io.parse_example有疑问。

我阅读了有关从TFRecords导入数据的Tensorflow指南 here.

本指南提供了以下从TFRecords中读取和解析示例的方法：

# Transforms a scalar string `example_proto` into a pair of a scalar string and
# a scalar integer, representing an image and its label, respectively.
def _parse_function(example_proto):
  features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
              "label": tf.FixedLenFeature((), tf.int64, default_value=0)}
  parsed_features = tf.parse_single_example(example_proto, features)
  return parsed_features["image"], parsed_features["label"]

# Creates a dataset that reads all of the examples from two files, and extracts
# the image and label features.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
dataset = dataset.map(_parse_function)

我想使用tf.io.parse_example而不是tf.io.parse_single_example。

因此，我将代码修改如下：

def _parse_function(batch_of_example_protos):
  features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
              "label": tf.FixedLenFeature((), tf.int64, default_value=0)}
  parsed_features = tf.parse_example(batch_of_example_protos, features)
  return parsed_features

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.data.TFRecordDataset(filenames)
batch_size = 32
dataset = dataset.batch(batch_size).map(_parse_function)

我的问题：当我们在调用map(_parse_function)之前使用批处理时， 我们如何确定batch_size参数的适当值？

如果我们要优化性能，如何确定batch_size的值？

我已经尝试过以不同的批次大小测试性能，但是我想知道是否存在一种不太经验的评估方法。

谢谢！

其他详细信息

• 我正在使用eager execution mode.
• 我正在使用Tensorflow 1.12。