Python 低级Tensorflow，dataset.as_numpy_迭代器（）返回dict而不是numpy数组

当我尝试使用
中的方法导入和批处理数据集时 当我使用dataset.as_numpy_iterator（）时，迭代的对象是dict，即使我应该得到一堆numpy数组。
我的代码如下所示：

dataset = tfds.load('mnist', split='train')
dataset.batch(batch_size, drop_remainder=False)
for i in dataset.as_numpy_iterator():
    print(type(i))  # prints <class 'dict'>

dataset=tfds.load（'mnist'，split='train'）
dataset.batch（批大小，drop\u余数=False）
对于dataset.as_numpy_iterator（）中的i：
打印（类型（i））#打印

---

为什么会发生这种情况？

使用as\u supervised=True

import tensorflow_datasets as tfds
dataset = tfds.load('mnist', split='train', as_supervised=True)
dataset.batch(10, drop_remainder=False)
for image, label in tfds.as_numpy(dataset):
    print(type(image), type(label), label)

根据TensorFlow文档，如果as_supervised为False，您将获得字典值。

---

检查文档

按监管方式使用=真

import tensorflow_datasets as tfds
dataset = tfds.load('mnist', split='train', as_supervised=True)
dataset.batch(10, drop_remainder=False)
for image, label in tfds.as_numpy(dataset):
    print(type(image), type(label), label)

根据TensorFlow文档，如果as_supervised为False，您将获得字典值。 检查文件