Python 如何重塑Tensorflow数据集中的数据？

我正在编写一个数据管道，将成批的时间序列和相应的标签输入到需要3D输入形状的LSTM模型中。我目前有以下情况：

def split(window):
    return window[:-label_length], window[-label_length]

dataset = tf.data.Dataset.from_tensor_slices(data.sin)
dataset = dataset.window(input_length + label_length, shift=label_shift, stride=1, drop_remainder=True)
dataset = dataset.flat_map(lambda window: window.batch(input_length + label_length))
dataset = dataset.map(split, num_parallel_calls=tf.data.AUTOTUNE)
dataset = dataset.cache()
dataset = dataset.shuffle(shuffle_buffer, seed=shuffle_seed, reshuffle_each_iteration=False)
dataset = dataset.batch(batch_size=batch_size, drop_remainder=True)
dataset = dataset.prefetch(tf.data.AUTOTUNE)

在dataset.take（1）：x.shape中x，y的

的结果形状是（32,20），其中32是批次大小，20是序列长度，但我需要一个（32,20,1）形状，其中附加维度表示特征

我的问题是，在缓存数据之前，如何在传递到
dataset.map
函数的
split
函数中进行重塑？这很简单。在分割函数中执行此操作

def split(window):
    return window[:-label_length, tf.newaxis], window[-label_length, tf.newaxis, tf.newaxis]

这将返回x数据（32,20,1）的正确形状，但不会返回目标的正确形状。预期的形状是（32,1,1），但它返回的形状是（32），
返回窗口[：-label\u length，tf.newaxis]，窗口[-label\u length，tf.newaxis，tf.newaxis]
？我刚刚测试过，它可以工作，谢谢你是的，很抱歉没有意识到你需要目标也有额外的维度。是的，您需要做的就是将
tf.newaxis
添加到标签中。我会更新我的答案