我真的对这种方法非常困惑，特别是当我发现这个令人费解的声明时：
This operation concatenates queue-element component tensors along
the 0th dimension to make a single component tensor. If the queue
has not been closed, all of the components in the dequeued tuple
will have size `n` in the 0th dimension.
以下是一些评论作为方法的描述：
TensorShape([None])在形状的第0维度指定无（我想它可能是n？）是很奇怪的，这似乎与 size＆＃39; n＆＃39; 相矛盾在描述中。这导致我的程序出现形状错误，我无法理解其中的原因，尽管我已经找到了它的位置。
你能告诉我为什么在这里使用RDD[(K, V)]吗？
答案 0 :(得分：0)
QueueBase.dequeue_up_to(n)方法从队列中返回最多 （“最多”）n个元素的批次。相比之下，QueueBase.dequeue_many(n)方法从队列中返回了一批恰好 n个元素。
在队列为closed之前，这两个操作的行为相同。此后，不能再将其他元素添加到队列中，因此这些操作将耗尽其余元素。如果剩余元素（num_remaining）的数量不是n的精确倍数，则QueueBase.dequeue_up_to(n)将返回最后一批较小的num_remaining % n个元素。相比之下，QueueBase.dequeue_many(n)将不返回最后的几个元素，因为它不能生成一批恰好n个元素。
由于QueueBase.dequeue_up_to(n)可以返回静态未知的不同大小的批次（即n和num_remaining % n）（因为num_remaining取决于发生的入队操作数在运行时），其返回值的第一个维度为Dimension(None)。 Dimension(None)通常用于指示在每次执行之间可能变化的形状。