Python TensorFlow数据集API映射函数中的张量计算

我有以下数据集输入函数来创建数据集生成器

def dataset_input_fn(filenames, shuffle, batch_size, sample):
    def parser(record):
        features = {
            'mean_rgb': tf.FixedLenFeature([1024], tf.float32),
            'category': tf.FixedLenFeature([], tf.int64)
        }
        parsed = tf.parse_single_example(record, features)

        vrv = parsed['mean_rgb']
        label = tf.cast(parsed['category'], tf.int32)
        return {"mean_rgb": vrv}, label

    dataset = tf.data.TFRecordDataset(filenames)
    dataset = dataset.map(parser)
    if sample:
        dataset = dataset.flat_map(
            lambda x, y: tf.data.Dataset.from_tensors((x, y)).repeat(oversample_classes(y))
        )
        dataset = dataset.filter(undersampling_filter)
    dataset = dataset.shuffle(buffer_size=100 * batch_size)
    dataset = dataset.batch(batch_size).repeat(1)
    iterator = dataset.make_one_shot_iterator()
    features, labels = iterator.get_next()
    return features, labels

我正试图根据标签跟踪超/次采样数据。在我的

dataset.flat_map

函数中，我迭代了每个标签，并想确定重复的频率。然而，y是一个张量，我不能把它作为一个整数来计算。当我尝试

sess.run（label）

ValueError:获取参数 不能解释为张量。（张量张量（“arg1:0”，形状=（））， dtype=int32）不是此图的元素。）

---

您可以发布该错误的完整堆栈跟踪吗？问题似乎不在

数据集\u input\u fn（）

范围内，因为它似乎没有运行任何会触发该异常的代码。（“Fetch参数”表示它来自

sess.run（）

调用。）