以ImageNet数据集为例，它具有约1280000个图像/样本。我们将其保存为TFRecords格式。假设每个.tfrecord有10000个样本，最后将生成128个.tfrecord文件。然后在CNN训练阶段，经过一个时期后，我们需要对数据集进行混洗，一般来说，需要对图像的索引进行混洗，并根据混洗后的索引顺序拍摄图像。
一个.tfrecord中的图像是固定的，即1.tfrecord的图像为0〜9999，2.tfrecord的图像为10000〜19999，依此类推。图像索引被随机排列后，假设我们需要拍摄两个索引分别为5000和15000的图像，我们需要打开前两个.tfrecord文件，并根据索引获取两个图像。此操作将花费大量内存并花费大量时间。
这合理吗？它实际上对随机操作有何作用？我不确定我是否正确理解tf.data.Dataset()方案。如果方便的话，请您提供一些建议吗？谢谢。