Python 如何获取tf.data.Dataset的特征和张量字典？

给定以下数据集：

import pandas as pd
import tensorflow as tf

df = pd.DataFrame({
    'feat_binomial': [5, 1, 7, 4, 6],
    'feat_normal': [5.001512, 5.346654, -0.480363,4.821558,-2.080958],
    'feat_ordinal': ['low', 'low', 'low','low','low'],
    'feat_string': ['a', 'b', 'b','b','b'],
})

dataset = tf.data.Dataset.from_tensor_slices(dict(df))

我想得到特征和张量的字典，在将

map

函数应用于数据集时，其中一个会有它。在这里可以看到打印的内容：

def print_input_dict(input_dict):
    features_tensors = dict(input_dict)
    print(features_tensors)
    return features_tensors

dataset.map(print_input_dict)

所以它被存储在一个全局变量中，我以后可以访问它，但这并不是正确的方法。这本词典还有别的办法吗

---

谢谢

您可以尝试使用迭代器

iterator=dataset.make_one_shot_iterator（）
feature_dict=iterator.get_next（）#返回特征字典

您可以尝试使用迭代器

iterator=dataset.make_one_shot_iterator（）
feature_dict=iterator.get_next（）#返回特征字典

{'feat_binomial': <tf.Tensor 'args_0:0' shape=() dtype=int32>,
 'feat_normal': <tf.Tensor 'args_1:0' shape=() dtype=float64>,
 'feat_ordinal': <tf.Tensor 'args_2:0' shape=() dtype=string>,
 'feat_string': <tf.Tensor 'args_3:0' shape=() dtype=string>}

def _extract_labels(input_dict):
    global features_tensors
    features_tensors = dict(input_dict)
    return features_tensors

dataset.map(print_input_dict)