使用from_生成器创建的Tensorflow数据集不按批大小迭代

我从生成器中创建了一个tensorflow数据集，但不知道如何按批大小对其进行迭代

def ds_gen（）：
x=np.random.random（（10,10,3））
y=np.随机.随机（（2））
产量x，y
def create_tf_数据集（）：
dataset=tf.data.dataset.from_生成器（ds_-gen，output_-types=（tf.float32，tf.float32），output_-shapes=（（10,10,3），（2，））
返回数据集
ds=创建数据集（）
ds=ds.批次（10）
对于x_批次，ds中的y_批次：
打印（x_batch.shape，y_batch.shape）

---

此代码在1的批大小上循环，而不是在10的批大小上循环。请参阅下面的代码以按批大小进行迭代

import numpy as np
import tensorflow as tf 

def ds():
    for i in range(1000):
      x = np.random.rand(10,10,3)
      y = np.random.rand(2)
      yield x,y

ds = tf.data.Dataset.from_generator(ds, output_types=(tf.float32, tf.float32), output_shapes=((10, 10, 3), (2,)))

ds = ds.batch(10)

for batch, (x,y) in enumerate(ds):
  pass
print("Data shape: ", x.shape, y.shape)

输出：

Data shape:  (10, 10, 10, 3) (10, 2)

---

如果您更改

ds=ds.batch（1）

，则输出将是

数据形状：（1,10,10,3）（1,2）

请参考下面的代码以按批大小进行迭代

import numpy as np
import tensorflow as tf 

def ds():
    for i in range(1000):
      x = np.random.rand(10,10,3)
      y = np.random.rand(2)
      yield x,y

ds = tf.data.Dataset.from_generator(ds, output_types=(tf.float32, tf.float32), output_shapes=((10, 10, 3), (2,)))

ds = ds.batch(10)

for batch, (x,y) in enumerate(ds):
  pass
print("Data shape: ", x.shape, y.shape)

输出：

Data shape:  (10, 10, 10, 3) (10, 2)

如果更改

ds=ds.batch（1）

，则输出将是

数据形状：（1,10,10,3）（1,2）