您可以使用Dataset.take()和Dataset.skip() ：

train_size = int(0.7 * DATASET_SIZE)
val_size = int(0.15 * DATASET_SIZE)
test_size = int(0.15 * DATASET_SIZE)

full_dataset = tf.data.TFRecordDataset(FLAGS.input_file)
full_dataset = full_dataset.shuffle()
train_dataset = full_dataset.take(train_size)
test_dataset = full_dataset.skip(train_size)
val_dataset = test_dataset.skip(val_size)
test_dataset = test_dataset.take(test_size)

为了更笼统，我举了一个使用70/15/15 train / val / test split的示例，但是如果您不需要测试或val集，则只需忽略最后两行。

采取 ：

从此数据集中创建一个最多包含count个元素的数据集。

跳过 ：

创建一个数据集，该数据集从该数据集中跳过计数元素。

您可能还需要研究Dataset.shard() ：

创建一个仅包含此数据集的1 / num_shards的数据集。

免责声明我就这个问题回答绊倒后， 这一个 ，所以我想我会传播爱

假设您具有tf.data.Dataset类型的all_dataset变量：

test_dataset = all_dataset.take(1000) 
train_dataset = all_dataset.skip(1000)

测试数据集现在具有前1000个元素，其余的用于训练。