Python tensorflow数据集中的稀疏张量

我有一个使用TFRecord的tensorflow程序，我想用tf.contrib.data.TFRecordDataset读取数据，但当我尝试解析示例时，我遇到一个异常：“TypeError:未能将类型的对象转换为Tensor” 当你只试着

代码是：

def _parse_function(example_proto):
    features = {"var_len_feature": tf.VarLenFeature(tf.float32),
                 "FixedLenFeature": tf.FixedLenFeature([10], tf.int64),
                 "label": tf.FixedLenFeature((), tf.int32default_value=0)}

parsed_features = tf.parse_single_example(example_proto, features)
return parsed_features["image"], parsed_features["label"]

filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.contrib.data.TFRecordDataset(filenames)
dataset = dataset.map(_parse_function)

---

张量流编程中的教程具有不同的缩进

# Transforms a scalar string `example_proto` into a pair of a scalar string and
# a scalar integer, representing an image and its label, respectively.
def _parse_function(example_proto):
  features = {"image": tf.FixedLenFeature((), tf.string, default_value=""),
              "label": tf.FixedLenFeature((), tf.int32, default_value=0)}
  parsed_features = tf.parse_single_example(example_proto, features)
  return parsed_features["image"], parsed_features["label"]

# Creates a dataset that reads all of the examples from two files, and extracts
# the image and label features.
filenames = ["/var/data/file1.tfrecord", "/var/data/file2.tfrecord"]
dataset = tf.contrib.data.TFRecordDataset(filenames)
dataset = dataset.map(_parse_function)

---

错误的缩进可能导致TypeError，pyton解释器处理不需要的控制流

tf.VarLenFeature创建SparseTensor。大多数情况下，稀疏传感器与小批量相关。你能像下面那样试试吗

dataset=tf.contrib.data.TFRecordDataset（文件名）

dataset=dataset.batch（批次大小=32）

---

dataset=dataset.map（_parse_函数）

TensorFlow在v1.5中增加了对此的支持

---

“tf.data现在支持数据集元素中的tf.SparseTensor组件。”

它与缩进无关。它适用于我的FixedLenFeature，但不适用于VarLenFeature。缩进就在我为StackOverflow创建的示例中，这有什么更新吗？如果你能知道answer@AdamSnaider对tf 1.5中支持它似乎还不支持VarLenFeature。@为了完全支持它，我们正在开发tensorflow 1.6，它工作正常。