Python TensorFlow py_函数嵌套输出类型？

是否可以为TensorFlows指定嵌套输出类型

作为一种特殊情况，我希望

py_函数

的返回类型为

（（tf.float32，tf.float32），（tf.float32，tf.float32））

，其中各个元素不一定具有相同的维度。是否有办法为

py_函数指定此项

正如一些关于这在我的例子中为什么有用的见解一样，我有一个带有文件路径列表的
tf.data.Dataset
。
py_函数
采用其中一个文件路径，并从文件中生成一个否定和肯定示例以及相应的标签，从而生成
（（肯定的_数据，肯定的_标签），（否定的_数据，否定的_标签））
（注意，标签不一定是单个值，但它们也不是与输入数据相同的形状）。此
py_函数
可以映射到数据集，并且（使用上述结构）有一个水平展平，以生成具有
的训练数据集（数据，标签）
结构化元素。虽然可能有一种变通方法，将数据和标签堆叠在
py_函数中，然后再取消堆叠（或者从py_函数开始完全非结构化，然后才配对），但这会导致混乱和混乱的设置。如果
py_函数
可以直接输出
（（tf.float32，tf.float32），（tf.float32，tf.float32））
type，它将导致一个更干净的设置。
tf.py_函数的输出类型不能是嵌套序列。但是，当将
tf.py_函数
与
tf.data
API一起使用时，您需要创建一个包装函数（
tf_foo
），您可以将输出嵌套在该函数中

import tensorflow as tf

# The python function.
def foo(x):
    return x, x, x, x

# Wrap the python function to make it compatible with `tf.data.Dataset.map`.
def tf_foo(x):
    a, b, c, d = tf.py_function(foo, [x], Tout=[tf.float32, tf.float32, tf.float32, tf.float32])
    return (a, b), (c, d)

dset = tf.data.Dataset.from_tensor_slices([0, 1, 2, 3, 4])
dset.map(tf_foo)
# <MapDataset shapes: ((<unknown>, <unknown>), (<unknown>, <unknown>)),
#  types: ((tf.float32, tf.float32), (tf.float32, tf.float32))>

将tensorflow导入为tf
#python函数。
def foo（x）：
返回x，x，x，x
#包装python函数，使其与“tf.data.Dataset.map”兼容。
def tf_foo（x）：
a、 b，c，d=tf.py_函数（foo[x]，Tout=[tf.float32，tf.float32，tf.float32，tf.float32，tf.float32]）
报税表（a、b）、（c、d）
dset=tf.data.Dataset.from_tensor_切片（[0,1,2,3,4]）
数据集映射（tf_foo）
# 

这也在一个例子中得到了证明