Python 尝试使用tensorflow.io.gfile.gfile和tensorflow.dataset.map，获取；应为二进制或unicode字符串，获得张量dtype=string

我对使用Tensorflow非常陌生，想象一下有人会很快告诉我我在做一些愚蠢的事情，所以就这样吧

我正在使用MSTAR数据集，并试图将其读入。这些文件有一种非常奇怪的格式，但可以说，如果在下面的代码上执行了“急切执行”，则可以读取并显示数据集中的图像

import tensorflow as tf
import matplotlib.pyplot as plt
tf.enable_eager_execution()

img1Path='HB15000.018'
img2Path='HB15001.018'

def pathToImgTF(path):
    with tf.io.gfile.GFile(path,'rb') as filePath:
        step1=filePath.readlines()
        step2=[x.strip(b'\n') for x in step1]
        for x in step2:
            if b'PhoenixHeaderLength' in x:
                line=x.strip().split(b'=')
                PhoenixHeaderLength=int(line[1])
            elif b'native_header_length' in x:
                line=x.strip().split(b'=')
                native_header_length=int(line[1])
            elif b'NumberOfColumns' in x:
                line=x.strip().split(b'=')
                NumberOfColumns=int(line[1])
            elif b'NumberOfRows' in x:
                line=x.strip().split(b'=')
                NumberOfRows=int(line[1])
        filePath.seek(PhoenixHeaderLength+native_header_length)
        step3=tf.decode_raw(filePath.read(),out_type=tf.float32,little_endian=False)
        depth_major=tf.reshape(step3,[2,NumberOfRows,NumberOfColumns])
        image=tf.transpose(depth_major,[1,2,0])[:,:,0] #Cut off phase for now
    return image

img=pathToImgTF(imgPath)
plt.imshow(img,cmap='gray')

我想使用tf.dataset.from_tensor_slices，但这似乎不是一个选项，因为以下代码：

ds=tf.data.Dataset.from_tensor_slices([img1Path,img2Path])
ds=ds.map(pathToImgTF)

给出错误“TypeError:应为二进制或unicode字符串，得到tf.Tensor'args_0:0'shape=（）dtype=string”

在我看来，回溯似乎是在“filePath.readlines（）”上专门中断的，如有任何帮助，将不胜感激

完整错误输出：

---------------------------------------------------------------------------TypeError回溯（最近的调用 最后）模块中的ipython-input-6-e12909fb73cd 1 ds=tf.data.Dataset.from_tensor_切片（[img1Path，img2Path]） ---->2ds=ds.map（pathToImgTF）

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\data\ops\dataset\u ops.py 在map（self，map_func，num_parallel_调用）1770中，如果 num_parallel_调用为None:1771返回DatasetV1Adapter( ->1772映射数据集（self，map_func，preserve_cardinality=False））1773其他：1774返回 数据集适配器(

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\data\ops\dataset\u ops.py 在初始化中（self，输入数据集，映射函数，使用内部操作并行， 保留基数，使用遗留功能）3188
self.\u transformation\u name（），3189数据集=输入数据集， ->3190使用传统功能=使用传统功能）3191变量张量=生成数据集操作地图数据集（3192
输入数据集。变量张量，pylint:disable=受保护访问

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\data\ops\dataset\u ops.py 在初始化中（self、func、转换名称、数据集、输入类、， 输入图形、输入类型、输入结构、向图形添加， 使用传统功能，defun_kwargs）2553资源跟踪程序= tracking.ResourceTracker（）2554与 跟踪。资源跟踪者范围（资源跟踪者）： ->2555 self.\u function=wrapper\u fn.\u get\u concrete\u function\u internal（）如果 添加到图形：2557
self.\u函数。将\u添加到\u图（ops.get\u default\u graph（））

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\eager\function.py 在获取具体函数内部（self，*args，**kwargs）1353中
“”“获取图形函数时绕过错误检查。”“1354
图函数= self.\u获取\u具体\u功能\u内部\u垃圾\u收集( ->1355*args，**kwargs）1356#我们将这个具体函数返回给某人，他们可能会保留一个1357# 引用FuncGraph而不保留对

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\eager\function.py 在"获取"具体"函数"内部"垃圾"收集中(self、*args、， **kwargs）1347如果self.input_签名：1348 args，kwargs=None，None ->1349图形函数，可能定义函数（args，kwargs）1350返回图形函数1351

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\eager\function.py 在中定义函数（self、args、kwargs）1650
graph\u function=self.\u function\u cache.primary.get（cache\u key，None）
1651如果图形_函数为无： ->1652图形函数=self.\u创建图形函数（args，kwargs）1653 self.\u函数\u cache.primary[缓存键]= graph_函数1654返回graph_函数，args，kwargs

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\eager\function.py 在创建图形函数中（self、args、kwargs、， 覆盖平面形状）1543参数名称=参数名称，
1544覆盖平面形状=覆盖平面形状， ->1545按值捕获=自身。按值捕获），1546自身。功能属性）1547

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\framework\func\u graph.py 在func_图中，来自于_py_func（名称、python_func、args、kwargs、签名、， 函数图、自动签名、自动签名选项、添加控制依赖项、， 参数名称、操作返回值、集合、按值捕获、， 覆盖（平面形状） 713（转换函数） 714 -->715 func_outputs=python_func（*func_args，**func_kwargs） 716 717#不变量：

func#u输出

仅包含张量、复合传感器、

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\data\ops\dataset\u ops.py 在包装中（*args）2547 attributes=defun\u kwargs）
2548 def wrapper_fn（*args）：#pylint:disable=缺少docstring ->2549 ret=\u包装器\u帮助器（*args）2550 ret=self.\u输出\u结构。\u到\u张量\u列表（ret）2551返回 [运算.将ret中的t转换为t张量（t）]

~\AppData\Local\Continuum\anaconda3\lib\site packages\tensorflow\python\data\ops\dataset\u ops.py 在_-wrapper\u-helper（*args）2487嵌套的_-args=（嵌套的_-args，） 2488 ->2489 ret=func（*nested_args）2490#如果

func

返回张量列表，

nest.flatte（）

和2491#

ops.convert\u to\u tensor（）

将合谋尝试堆叠

在路径toimgtf（路径）中 9 def PATHTOMGTF（路径）： 10瓦