Python TensorFlow：将tf.Dataset转换为tf.Tensor

我想生成范围为10的窗口：

import tensorflow as tf

dataset = tf.data.Dataset.from_tensor_slices(tf.range(10))
dataset = dataset.window(5, shift=1, drop_remainder=True)

我想在这个数据集上训练我的模型

为此，这些窗口必须转换为张量。但是这些窗口的数据类型不能通过

tf进行转换。将\u转换为\u张量

转换为张量。可以执行

tf。将_转换为_张量（列表（窗口））

，但这是非常低效的

有人知道如何有效地将

tf.VariantDataset

转换为

tf.Tensor

---

谢谢你的帮助

如果要创建滑动窗口的张量，通过数据集来创建它并不是最好的方法，效率和灵活性要低得多。我不认为有一个合适的操作，但有两个类似的2D和3D阵列，以及。您可以重塑1D数据以使用它们：

将tensorflow导入为tf
a=tf.范围（10）
win_大小=5
步幅=1
#选择1
a_win=tf.image.extract_面片（tf.reformate（a，[1，-1,1,1]），
大小=[1，win_大小，1，1]，
步幅=[1，步幅，1，1]，
利率=[1,1,1,1]，
padding='VALID'）[0，：，0]
#选择2
a_win=tf.提取体积块（tf.重塑（a，[1，-1,1,1,1]），
ksizes=[1，win_size，1,1,1]，
步幅=[1，步幅，1，1，1]，
padding='VALID'）[0，：，0，0]
#打印结果
打印（a_win.numpy（））
# [[0 1 2 3 4]
#  [1 2 3 4 5]
#  [2 3 4 5 6]
#  [3 4 5 6 7]
#  [4 5 6 7 8]
#  [5 6 7 8 9]]

我不太明白。通常不会将数据集转换为张量，而是迭代数据集，在这些迭代中，它们会为您提供张量。你想打开其中一扇窗户吗？或者你想得到一个包含所有窗口的张量？@jdehesa后者：）非常感谢！