在訓練計算機視覺機器學習模型時，數據加載常常會成為性能瓶頸，導致在等待將數據加載到模型中時 GPU 或 TPU 資源的利用率不足。以 TFRecord 格式存儲數據集是一個行之有效的方法，然而，創建 TFRecord 通常需要大量的複雜代碼。
於是，谷歌近期開源了 TensorFlow Recorder（即 TFRecorder）項目，旨在簡化 TFRecord 的創建流程。TFRecord是一種二進位文件格式，處理數據相對高效，但要將其他數據轉為 TFRecord 較為麻煩，通常需要編寫一個數據管道來解析結構化數據，從存儲中加載圖像，然後再將結果序列化為 TFRecord 格式。
而此次開源的 TFRecorder 能夠直接從 Pandas dataframe 或 CSV 等格式寫入 TFRecords，無需再編寫複雜的代碼。
使用 TFRecorder 創建 TFRecord 只需要幾行代碼，運行方式如下：
TFRecorder 期望寫入的數據與 Google AutoML Vision 的格式相同，也就是類似 pandas dataframe 或 CSV 的格式，例如：
目前，TFRecorder 支持的數據格式還很有限，將來會進一步擴展，以支持使用任何格式的數據。
對於更龐大的數據集，TFRecorder 還提供了與 Google Cloud Dataflow 的連接性，擴展到 DataFlow 僅需要多幾行代碼配置。