Python Tensorflow使用函数拆分tf数据集中的字符串张量会产生错误

我是tensorflow新手，正在学习使用tensorflow数据集。尝试将

tf.TextLineDataset

的每个字符串张量拆分为两个张量时，如下所示

下面是一个最小的可复制示例

预期的

将tensorflow导入为tf
dataset=tf.data.TextLineDataset（）
对于数据集中的x，取（2）：
打印（x）
#Tensor（b'sample text\t示例标签'，shape=（），dtype=string）
对于数据集中的x，取（2）：
a、 b=tf.strings.split（x，sep='\t'）
印刷品（a）
印刷品（b）
#张量（b'sample text'，shape=（），dtype=string）
#tf.Tensor（b'sample label'，shape=（），dtype=string）

使用函数

def标签机（示例）：
'''
将每行拆分为文本和标签序列
'''
text_seq，label_seq=tf.strings.split（例如，sep='\t'）
返回文本顺序，标签顺序
标记的_dataset=dataset.map（lambda x:labeler（x））

上面的代码返回以下错误

OperatorNotAllowedInGraphError: iterating over `tf.Tensor` is not allowed in Graph execution. Use Eager execution or decorate this function with @tf.function.

任何人都可以帮助解决上述错误

更新

将函数定义更改为以下有助于解决此错误

def labeler(example):
    '''
        Splits each line into text and label sequence
    '''
    return tf.strings.split(example, sep='\t')

从直觉上看，这两种方法似乎都是一样的。我现在对tensorflow如何以不同的方式处理这两种方法感到困惑

任何见解都会非常有用