要计算记录数，您应该可以使用tf.python_io.tf_record_iterator 。

c = 0
for fn in tf_records_filenames:
  for record in tf.python_io.tf_record_iterator(fn):
     c += 1

为了跟踪模型训练， 张量板非常有用。

根据tf_record_iterator的弃用警告，我们还可以使用急切执行来计数记录。

#!/usr/bin/env python
from __future__ import print_function

import tensorflow as tf
import sys

assert len(sys.argv) == 2, \
    "USAGE: {} <file_glob>".format(sys.argv[0])

tf.enable_eager_execution()

input_pattern = sys.argv[1]

# Expand glob if there is one
input_files = tf.io.gfile.glob(input_pattern)

# Create the dataset
data_set = tf.data.TFRecordDataset(input_files)

# Count the records
records_n = sum(1 for record in data_set)

print("records_n = {}".format(records_n))

由于tf.io.tf_record_iterator已被弃用，萨尔瓦多·达利（Salvador Dali）的出色答案现在应该阅读

tf.enable_eager_execution()
sum(1 for _ in tf.data.TFRecordDataset(file_name))

不，这是不可能的。 TFRecord不存储有关存储在其中的数据的任何元数据。这个文件

表示（二进制）字符串序列。该格式不是随机访问，因此它适合于流式传输大量数据，但如果需要快速分片或其他非顺序访问，则不适合。

如果需要，可以手动存储此元数据，也可以使用record_iterator来获取数字（您将需要遍历所有记录：

sum(1 for _ in tf.python_io.tf_record_iterator(file_name))

如果您想知道当前纪元，可以通过张量板或通过打印循环中的数字来实现。