Python 如何使用实验性的保存和加载方法保存和使用Tensorflow数据集？

我编写了两个python文件create_save.py和load_use.py，如下所示。 create_save.py运行良好，正在保存tf数据集

但是load_use.py给出的错误如下所示。 如何修复load_use.py错误

创建_save.py

import os
import numpy as np
import pandas as pd
import tensorflow as tf
from tensorflow.data.experimental import save as tf_save
ds_dir = os.path.join('./', "save_load_tfds_dir")
ds = tf.data.Dataset.range(12)
tf_save(ds, ds_dir)

load_use.py

import os
import numpy as np
import pandas as pd
import tensorflow as tf
ds_dir = os.path.join('./', "save_load_tfds_dir")
new_ds = tf.data.experimental.load(ds_dir)
for elem in new_ds:
  print(elem)

上述load_use.py程序出现以下错误：

TypeError回溯（最近一次调用上次） 在里面 ---->1新的ds=tf.data.experimental.load（ds\u dir）

TypeError:load（）缺少1个必需的位置参数： “元素规格”

---

如何修复上述错误？

要加载以前保存的数据集，需要指定元素规格参数——保存的数据集元素的类型签名，可以通过tf.data.dataset.element规格获得。此要求存在，以便加载的数据集的形状推断不需要执行I/O

import tempfile
path = os.path.join(tempfile.gettempdir(), "saved_data")
# Save a dataset
dataset = tf.data.Dataset.range(2)
tf.data.experimental.save(dataset, path)
new_dataset = tf.data.experimental.load(path,
    tf.TensorSpec(shape=(), dtype=tf.int64))  # element_spec arg
for elem in new_dataset:
  print(elem)

创建

tf.data.Dataset

时，它具有属性

element\u spec

，这是加载保存的文件时应该使用的属性。（请参阅：）

在上面的示例中，

load（）

方法中的

element\u spec

参数是根据保存在代码中的数据的类型规范给出的

---

非常感谢您的快速回答。对于实际程序，元素规格很大。在create_save.py中是否有自动保存TensorSpec值的方法？是否有自动获取元素规范的方法？保存的数据集元素的类型签名，可通过tf.data.dataset.element_spec获得。如何将TensorSpec tf.TensorSpec（shape=（），dtype=tf.int64）element_spec转换为字符串？以及如何将字符串“tf.TensorSpec（shape=（），dtype=tf.int64）”转换为TensorSpec元素规范？TensorSpec可以被认为是正在加载的数据的签名。其思想是，当您提供此张量规格信息时，

load

方法将知道如何加载。我建议您查看更多保存数据集的方法，而不是使用实验版本谢谢mb0850。我将查看您提供的链接。