Question

在处理一些张量流代码（v1.13.1）时，我注意到了这种微妙之处：

tf.enable_eager_execution()

for n in Dataset.from_tensor_slices(([1, 2], [3, 4])).make_one_shot_iterator():
    print(n)
#
# prints:
# (<tf.Tensor: id=8, shape=(), dtype=int32, numpy=1>, <tf.Tensor: id=9, shape=(), dtype=int32, numpy=3>)
# (<tf.Tensor: id=12, shape=(), dtype=int32, numpy=2>, <tf.Tensor: id=13, shape=(), dtype=int32, numpy=4>)
#

for n in Dataset.from_tensor_slices([[1, 2], [3, 4]]).make_one_shot_iterator():
    print(n)
#
# prints:
# tf.Tensor([1 2], shape=(2,), dtype=int32)
# tf.Tensor([3 4], shape=(2,), dtype=int32)
#

上面的区别是第一个循环将两个张量传递到一个元组中，第二个张量通过列表。我希望第二个循环与第一个循环一样工作，将张量切成薄片。这是tf如何对待传入的元组和列表的故意区别吗？

Answer 1

感谢@giser_yugang提供的链接/答案。

来自linked问题：

这按预期方式工作：tf.data API使用Python列表表示应隐式转换为张量的值，使用Python元组表示应解释为（潜在嵌套）结构的多个组成部分的值。 / p>

可能是许多细微问题的原因...

传递Dataset.from_tensor_slices列表和元组

1 个答案: