这是我测试 tf.data.Dataset 的代码：
import tensorflow as tf
# build a random tensor
x=tf.random_uniform([10, 10])
# transform to dataset
dataset = tf.data.Dataset.from_tensors(x)
# batch reading
dataset = dataset.batch(3)
ite = dataset.make_initializable_iterator()
ele = ite.get_next()
sess=tf.Session()
sess.run(ite.initializer)
ele_ = sess.run(ele)
print ele_.shape
程序输出的形状是[1,10,10] 而不是[3,10,10]，这对我来说完全没有意义。
谁能帮忙解释一下？
谢谢！！
【问题讨论】：
标签： tensorflow dataset
根据the docs，from_tensors 从给定输入创建一个包含单个元素的数据集。也就是说，您正在创建一个包含一个形状为 [10, 10] 的元素的数据集。
由于您只有一个元素，batch 只能创建一个单元素批次，从而提供一个包含一个形状为 [1, 10, 10] 的元素的新数据集。
也许您正在寻找tf.data.Dataset.from_tensor_slices？在这种情况下，这将创建一个包含 10 个元素的数据集，每个元素的形状为 [10]。然后，应用 batch(3) 实际上会给你 3 个批次，即形状为 [3, 10] 的元素（除了只有一个元素的剩余批次）。
【讨论】：
tf.data.Dataset.from_tensor_slices。我不懂文档，比如Creates a Dataset whose elements are slices of the given tensors。这是否意味着它将创建 10 张量，每个张量的形状为 [10] ？
[10] 的 10 张量索引为 0,1,2,3...9 并应用 batch(3)。最后，迭代器将为您提供第一个 run() 索引为 0、1、2 的张量，然后为第二个 run() 提供 3、4、5 索引，依此类推。我说的对吗？
drop_remainder=True传递给batch，则根本不会返回第9行。