查看tf.data.Datasets 的文档，我发现经常提到“嵌套结构”。这究竟是什么意思？任何 Python 数据类型都可以被视为嵌套结构（例如，(1,3, (7,6, (0), 5)) 或 dict(k=dict(3), 7, None）还是专门指 TensorFlow 数据类型？
【问题讨论】：
(x, y)，但如果您有多个输入((x1, x2), y)，您也可以有一个字典{'x': x, 'y': y}，或者嵌套元组。为方便起见，数据集允许您在其中包含张量结构。请参阅tf.data 上的指南的Dataset structure。
标签： python tensorflow tensorflow-datasets
目前支持的结构类型有tuple、dict和namedtuple。
来自https://www.tensorflow.org/api_docs/python/tf/data/Dataset：
常用术语：元素：在 a 上调用 next() 的单个输出 数据集迭代器。元素可以是嵌套结构，包含 多个组件。例如，元素 (1, (3, "apple")) 有 一个元组嵌套在另一个元组中。组件是 1、3 和 “苹果”。组件：元素嵌套结构中的叶子。
支持的类型：元素可以是元组的嵌套结构，命名为 元组和字典。元素组件可以是任何类型 可以用 tf.TypeSpec 表示，包括 tf.Tensor, tf.data.Dataset, tf.SparseTensor、tf.RaggedTensor 和 tf.TensorArray。
【讨论】：
为了社区的利益，请在评论部分提供答案。
TensorFlow 中的Nested Structure 通常指的是包含张量值或其他嵌套结构的tuple 或dict。
典型情况是一个数据集，其中每个元素都是用于训练的 (x, y) 对，但如果您有多个输入 ((x1, x2), y)，您也可以有一个 dict {'x': x, 'y': y} 或嵌套元组。
为方便起见，数据集允许您在其中包含张量结构。
请参阅tf.data 上的指南的Dataset structure。
【讨论】：