将tensorflow数据集分离到tensorflow2中的不同输出

Question

我有一个数据集，具有3个张量输出的数据，标签和路径：

import tensorflow as tf #tensroflow version 2.1

data=tf.constant([[0,1],[1,2],[2,3],[3,4],[4,5],[5,6],[6,7],[7,8],[8,9],[9,0]],name='data')
labels=tf.constant([0,1,0,1,0,1,0,1,0,1],name='label')
path=tf.constant(['p0','p1','p2','p3','p4','p5','p6','p7','p8','p9'],name='path')
my_dataset=tf.data.Dataset.from_tensor_slices((data,labels,path))

我想将my_dataset分离回3个数据，标签和路径（或3个张量）的数据集，而无需对其进行遍历，也无需将其转换为numpy。

在tensorflow 1.X中，只需使用]即可完成>

d,l,p=my_dataset.make_one_shot_iterator().get_next()
然后将张量转换为数据集。如何在tensorflow2中做到这一点？
谢谢！ 

我有一个数据集，具有3个数据，标签和路径的张量输出：将tensorflow导入为tf #tensroflow版本2.1 data = tf.constant（[[0,1]，[1,2]，[2,3]， [3,4]，[4,5]，[5,6]，[6,7]，[7,8]，[8,9]，[9,0]]，名称='...] >

我发现的解决方案看起来不太“ pythonic”，但可以。我使用了map()方法：

data= my_dataset.map(lambda x,y,z:x)
labels= my_dataset.map(lambda x,y,z:y)
paths= my_dataset.map(lambda x,y,z:z)
分离之后，标签的顺序保持不变。 

Answer 1

我发现的解决方案看起来不太“ pythonic”，但可以。我使用了map()方法：