如何从tensorflow数据集中获取批量大小？

建议使用tensorflow数据集作为输入管道，其设置如下：

# Specify dataset
dataset  = tf.data.Dataset.from_tensor_slices((features, labels))
# Suffle
dataset  = dataset.shuffle(buffer_size=1e5)
# Specify batch size
dataset  = dataset.batch(128)
# Create an iterator
iterator = dataset.make_one_shot_iterator()
# Get next batch
next_batch = iterator.get_next()

我应该能够获得批大小（从数据集本身或从数据集创建的迭代器，即

迭代器

和

下一批

）。也许有人想知道数据集或其迭代器中有多少批。或者调用了多少批，迭代器中还有多少批？您可能还希望同时获取特定元素，甚至整个数据集

我在tensorflow文档中找不到任何东西。这可能吗？如果没有，有人知道这是否是tensorflow GitHub上的一个问题吗？

试试这个

将tensorflow导入为tf
将numpy作为np导入
features=np.array（[[3.0,0.0]，[1.0,2.0]，[0.0,0.0]]，dtype=“float32”）
labels=np.array（[[0]，[0]，[1]]，dtype=“float32”）
dataset=tf.data.dataset.from_tensor_切片（（特征、标签））
批量大小=2
dataset=dataset.batch（批次大小）
iterator=dataset.make_initializable_iterator（）
批处理数据=迭代器。获取下一步（）
使用tf.Session（）作为sess：
运行（迭代器初始化器）
print（np.shape（sess.run（batch_data）[0]）[0]）

在TF2中，

tf.data.Dataset

s是，因此您只需执行以下操作即可获得批次：

batch = next(iter(dataset))

然后计算批处理大小是很简单的，因为它变成了：

因此，完整的示例如下所示：

# Specify dataset
dataset  = tf.data.Dataset.from_tensor_slices((features, labels))
# Suffle
dataset  = dataset.shuffle(buffer_size=1e5)
# Specify batch size
dataset  = dataset.batch(128)
# Calculate and print batch size
batch_size = next(iter(dataset)).shape[0]
print('Batch size:', batch_size) # prints 128

或者，如果您需要它作为功能：

def calculate_batch_size(dataset):
    return next(iter(dataset)).shape[0]

请注意，在数据集上执行时需要立即执行。此外，此解决方案假定您的数据集是批处理的，如果不是这样，则可能会出错。如果在批处理之后，对数据集执行了其他更改其元素形状的操作，则也可能会遇到错误

def calculate_batch_size(dataset):
    return next(iter(dataset)).shape[0]