如何使用tensorflow数据集读取多个.mat文件(太大，内存无法容纳)

import tensorflow as tf
import scipy.io as sio
import numpy as np

def read_mat_file(file_path):
    data = sio.loadmat(file_path)
    # 根据.mat文件的具体结构，提取你需要的数据
    # 例如，假设你的.mat文件中有一个名为'features'的变量，存储了特征数据
    features = data['features']
    return features

def read_multiple_mat_files(file_paths, batch_size):
    dataset = tf.data.Dataset.from_tensor_slices(file_paths)
    dataset = dataset.shuffle(len(file_paths))  # 可选：打乱文件顺序
    dataset = dataset.batch(batch_size)

    def parse_mat_file(file_path):
        return tf.py_function(read_mat_file, [file_path], tf.float32)

    dataset = dataset.map(parse_mat_file, num_parallel_calls=tf.data.experimental.AUTOTUNE)
    return dataset

file_paths = ['file1.mat', 'file2.mat', 'file3.mat']  # 替换为你的实际文件路径
batch_size = 32  # 每批次读取的文件数量，根据内存容量进行调整

dataset = read_multiple_mat_files(file_paths, batch_size)

# 迭代读取数据
for batch in dataset:
    # 在这里进行你的模型训练或其他操作
    # batch是一个包含多个.mat文件数据的Tensor
    # 可以将其传递给你的模型进行训练