TzeSing

> 抱歉，刚看到，tfrecord本身存在一些缺陷，低层采用pb，解析速度较慢，而且工业界分布式hadoop/spark生成tfrecord，int型只提供int64，所以可能tfrecord样本比原始csv样本还大很多，占用存储空间， 由于推荐模型本身网络比较简单，再加上tfrecord格式解析慢，可能用GPU训练并不比cpu快多少。 你这个相差这么多，感觉应该不至于，你检查看看应该是其他什么问题导致的，另外，你可以看看tensorflow的dataset API， 有一些参数可以调调，比如sloppy参数设为true等等。 谢谢作者回复，我现在优化过后的tfrecord读取速度是200-300ms，相比也还是慢点，能接受，我再认真研读一下dataset的api

> @TzeSing 要注意map的位置，放的不对会非常慢 我是batch后map(tf.io.parse_example)的

同问这个，训练了非常久，因为这个退出了

> 可以的，只要加上两个标签， 甲方、乙方，然后准备你自己的数据集就可以 谢谢你

I encounter the same problem, the memory does not release after the requests completed

I meet the same problem! Hope the team can deal with it!