你也许可以保持你的Pandas方法，但你必须把你的数据分解成块。
如果您已经将其分解以创建您的 parquet 文件，您应该能够使用相同的方法，一次只在panda中打开您的数据的子集。
如果你需要从你的parquet文件中提取数据，这里有一个关于如何为Pandas Dataframe 创建数据块的链接：How to read a CSV file subset by subset with Pandas?
一旦有了数据块，您就可以model.fit对该数据块调用www.example.com，然后继续下一个数据块并调用model.fit

您可以查看**TensorFlow I/O**，这是TensorFlow内置支持中不提供的文件系统和文件格式的集合。在这里，您可以找到tfio.IODataset.from_parquet和tfio.IOTensor.from_parquet等功能，以处理 parquet 文件格式。

!pip install tensorflow_io -U -q 
import tensorflow_io as tfio

df = pd.DataFrame({"data": tf.random.normal([20], 0, 1, tf.float32),
                   "label": np.random.randint(2, size=(20))})
df.to_parquet("df.parquet") 
pd.read_parquet('/content/df.parquet')[:2]
    data    label
0   0.721347    1
1   -1.215225   1

ds = tfio.IODataset.from_parquet('/content/df.parquet')
ds

仅供参考，我认为您还应该考虑使用feather，而不是parquet文件格式AFAIK，parquet文件加载起来可能非常重，可能会减慢您的培训管道，而feather相对较快（非常快）。