Python Tensorflow数据集如何获得数据生成器的形状？

考虑从tensorflow数据集中加载以下数据集

(ds_train, ds_test), ds_info= tfds.load('mnist', split=['train', 'test'],
                                        shuffle_files=True,
                                        as_supervised=True,with_info=True)

然而，该网站说

#https://www.tensorflow.org/api_docs/python/tf/data/Dataset#from_generator
#Warning: SOME ARGUMENTS ARE DEPRECATED: (output_shapes, output_types). They will be removed in a future version. 
#Instructions for updating: Use output_signature instead

但是没有一个

ds_train.output_shapes
ds_train.output_types
ds_train.output_signature

正在工作

这里提到了一个类似的问题，所以现在只是暂时解决

shape_of_data=tf.compat.v1.data.get_output_shapes(ds_train)

他正在工作，结果回来了

(TensorShape([None, 28, 28, 1]), TensorShape([None]))

另一个更新的函数正在工作，但无法从参数中获取张量形状

tf.data.DatasetSpec(ds_train) 

返回

DatasetSpec(<_OptionsDataset shapes: ((28, 28, 1), ()), types: (tf.uint8, tf.int64)>, TensorShape([]))

DatasetSpec（，TensorShape（[]））

无法分配

获得生成器/迭代器形状的更新函数或属性是什么？

可以使用：

将tensorflow_数据集导入为TFD
（ds\U列车，ds\U测试），ds\U信息=tfds.load(
“mnist”，
拆分=[“列车”、“测试”]，
shuffle_files=True，
正如_=True，
如果_info=True，
)
ds\U系列元素\U规格
#（TensorSpec（形状=（28,28,1），数据类型=tf.uint8，名称=无），
#TensorSpec（shape=（），dtype=tf.int64，name=None））
ds\u系列。元素\u规范[0]。形状
#张量形状（[28,28,1]）

可以使用：

将tensorflow_数据集导入为TFD
（ds\U列车，ds\U测试），ds\U信息=tfds.load(
“mnist”，
拆分=[“列车”、“测试”]，
shuffle_files=True，
正如_=True，
如果_info=True，
)
ds\U系列元素\U规格
#（TensorSpec（形状=（28,28,1），数据类型=tf.uint8，名称=无），
#TensorSpec（shape=（），dtype=tf.int64，name=None））
ds\u系列。元素\u规范[0]。形状
#张量形状（[28,28,1]）

您的变量

ds\u info

包含以下信息：

height, width, channels = ds_info.features['image'].shape

请这样看：

ds_info.features['image']

---

您的变量

ds\u info

包含以下信息：

height, width, channels = ds_info.features['image'].shape

请这样看：

ds_info.features['image']