Python 如何从TensorFlow数据集映射函数输出列表？

我需要数据集中的示例采用我正在使用的格式

（[feature_1，feature_2，…]，标签）

。为此，我将阅读

.tfrecord

s：

dataset = tf.data.TFRecordDataset(tf_records)
dataset = dataset.map(map_func=parser, num_parallel_calls=num_parallel_calls)
...

但是，我在使用

map\u func

时遇到了困难：

def parser(record, training=True):
    context_features = {
        "labels": tf.VarLenFeature(tf.int64)
    }

    sequence_features = {
        "feature_1": tf.FixedLenSequenceFeature([], dtype=tf.string),
        "feature_2": tf.FixedLenSequenceFeature([], dtype=tf.string)
    }

    context_parse, sequence_parsed = tf.parse_single_sequence_example(record, context_features, sequence_features)

    X_feature_1 = tf.decode_raw(sequence_parsed["feature_1"], tf.uint8)
    X_feature_2 = tf.decode_raw(sequence_parsed["feature_2"], tf.uint8)
    y = tf.sparse_to_dense(context_parse["labels"].values, [3862], 1)

    return ([X_feature_1, X_feature_2], y)

如果我尝试使用该列表按上述方式保存

[X\u功能\u 1，X\u功能\u 2]

，我最终会得到以下错误：

AttributeError:“list”对象没有属性“get\u shape”

如何传递包含列表的元组

更新（解决方案）：

因此，问题中的代码是生成器的一部分。我意识到，由于生成器只是运行一个tensorflow图（希望术语是正确的，我还是新手），因此我可以在最后进行转换：

 feature_1, feature_2, y = sess.run(next_el)
 yield [feature_1, feature_2], y

---

虽然这样做有效，但我仍然可以在map函数中这样做。

map：函数将一个嵌套的张量结构（具有self.output\u形状和self.output\u类型定义的形状和类型）映射到另一个嵌套的张量结构。问题是你返回的是一个张量列表，而映射的是一个嵌套的张量列表。我认为最好的方法是重新运行它们x_特征，x_特征2，y，并将它们堆叠在feed dict中，但因为我不知道你的模型是如何构造的……我猜不出我考虑过堆叠，但这涉及到匹配的维度。我找到了一个有效的解决办法。我已经在问题的更新中发布了它。在我看来，你应该在课后做。运行（下一个元素），再次运行，因为我看不到代码，我无法猜测如何将输入传递到模型，在tensorflow中，你通常定义占位符，而在keras中，你直接将输入传递到模型，在tensorflow中，您可以定义一个尺寸为x1、x2的占位符，并通过feed dict将其传递为numpy val，因为下一步需要计算numpy objs的张量。您是否尝试将内部列表更改为元组？