我可以从tensorflow 2.0数据集中获取numpy数组吗？

我可以从

tensorflow数据集

获取

numpy

数组吗？在下面的示例中，我可以迭代并从每个

张量中获得
numpy数组。但是我可以直接从
数据集
获取它吗

>>> X = tf.reshape(tf.range(2*3), (2, 3))
<tf.Tensor: id=33, shape=(2, 3), dtype=int32, numpy=
 array([[0, 1, 2],
        [3, 4, 5]], dtype=int32)>

>>> dataset = tf.data.Dataset.from_tensor_slices(X)
<TensorSliceDataset shapes: (3,), types: tf.int32>

>>> t = next(iter(dataset))
<tf.Tensor: id=40, shape=(3,), dtype=int32, numpy=array([0, 1, 2], dtype=int32)> 

>>> t.numpy()
array([0, 1, 2], dtype=int32)

X=tf.重塑（tf.范围（2*3）、（2,3））
>>>dataset=tf.data.dataset.from_张量_切片（X）
>>>t=下一个（国际热核实验堆（数据集））
>>>t.numpy（）
数组（[0,1,2]，dtype=int32）
一种可能的解决方案（请参阅）：

一种可能的解决方案（见）：

您只能迭代
tf.data.Dataset
以获取其值。这是唯一的方法。
next（iter（dataset.batch（2））.numpy（）
更简单：
[i.numpy（）表示数据集中的i]
您只能迭代
tf.data.dataset
以获取其值。这是唯一的方法。
next（iter（dataset.batch（2））.numpy（）
更简单：
[i.numpy（）代表数据集中的i]
def dataset_to_numpy_util(dataset, N):
    dataset = dataset.unbatch().batch(N)
    for images, labels in dataset:
        numpy_images = images.numpy()
        numpy_labels = labels.numpy()
        break;  
    return numpy_images, numpy_labels