Python &引用；tf.张量对象的嵌套结构“；对于Iterator.get_next（）结果类型

当我编写Tensorflow代码时，我会尽量记住不同事物的类型，例如两个张量的元组或张量列表。这很重要，因为当类型/形状不匹配时，Tensorflow会发出错误

这个问题的标题文本在文档中显示了很多，特别是在描述某些函数的结果时，例如for，但我发现它太模糊了。它没有告诉我确切的期望是什么，一个元组列表？一个元组的元组？这个“嵌套结构”到底是什么？现在，我唯一可以跟踪的方法是在Session.run（）之后打印结果。有没有更干净、更明确的方法

而且，

Iterator.get_next（）

的值似乎总是一个元素列表；我无法使它返回非列表、空列表或包含多个元素的列表。

Iterator.get_next（）

何时返回非一个元素列表的内容？如果没有，那么在列表中包装内容似乎是多余的——为什么

Iterator.get\u next（）

是这样设计的

这是示例代码，我的意思是：

import numpy as np
import tensorflow as tf

ds = tf.data.Dataset.from_tensor_slices(np.array(range(0, 8)).reshape(4,2))
it = ds.make_one_shot_iterator()

with tf.Session() as sess:
    for i in range(0, 4):
        x = sess.run([it.get_next()])
        print(x)

输出：

[array([0, 1])]
[array([2, 3])]
[array([4, 5])]
[array([6, 7])]

{'x': array([0, 1])}
{'x': array([2, 3])}
{'x': array([4, 5])}
{'x': array([6, 7])}

为什么不只是以下几点

array([0, 1])
array([2, 3])
array([4, 5])
array([6, 7])

您的“输出”与“为什么不只是以下内容？”的具体问题是通过将列表传递给

sess.run

。如果改用

sess.run（it.get_next（））

您将获得所需的行为

请注意，TensorFlow允许您传入多个不同的结构（例如，列表、字典、namedtuples等），包括嵌套结构（请参阅）。它将按照您用来传递数据的相同结构返回数据

例如，使用字典：

import numpy as np
import tensorflow as tf

ds = tf.data.Dataset.from_tensor_slices(np.array(range(0, 8)).reshape(4,2))
it = ds.make_one_shot_iterator()

with tf.Session() as sess:
    for i in range(0, 4):
        x = sess.run({'x': it.get_next()}])
        print(x)

输出：

[array([0, 1])]
[array([2, 3])]
[array([4, 5])]
[array([6, 7])]

{'x': array([0, 1])}
{'x': array([2, 3])}
{'x': array([4, 5])}
{'x': array([6, 7])}

您的“输出”与“为什么不只是以下内容？”的具体问题是通过将列表传递给

sess.run

。如果改用

sess.run（it.get_next（））

您将获得所需的行为

请注意，TensorFlow允许您传入多个不同的结构（例如，列表、字典、namedtuples等），包括嵌套结构（请参阅）。它将按照您用来传递数据的相同结构返回数据

例如，使用字典：

import numpy as np
import tensorflow as tf

ds = tf.data.Dataset.from_tensor_slices(np.array(range(0, 8)).reshape(4,2))
it = ds.make_one_shot_iterator()

with tf.Session() as sess:
    for i in range(0, 4):
        x = sess.run({'x': it.get_next()}])
        print(x)

输出：

[array([0, 1])]
[array([2, 3])]
[array([4, 5])]
[array([6, 7])]

{'x': array([0, 1])}
{'x': array([2, 3])}
{'x': array([4, 5])}
{'x': array([6, 7])}

---

可能是因为Tensorflow中的元组通常作为张量列表返回，迭代器支持嵌套结构？一个通用用例是tf.data.Dataset.from_tesnor_slice（（数据，标签））可能是因为Tensorflow中的元组通常作为张量列表返回，迭代器支持嵌套结构？一个通用用例是tf.data.Dataset.from_tesnor_切片（（数据，标签））