TensorFlow入门9 -- 导入数据之Dataset结构

参考：《深度学习图像识别技术--基于TensorFlow Object Detection API 和 OpenVINO》

数据集（Dataset）由具有相同结构的元素（element）构成。每个元素包含一个或多个被称为组件（Component）的tf.Tensor对象。

每个组件都有一个tf.DType属性表示元素的类型，一个tf.TensorShape属性表示元素的静态形状。

Dataset.output_types 和Dataset.output_shapes属性允许您检查数据集元素的组件的推断(static (inferred))类型和形状。

创建了一个二维数组array, 3 x 1，通过tf.data.Dataset.from_tensor_slices切片传入第一个维度，形成具有3个元素，每个元素形状是（1，）的数据集。“切片（slice）”可以理解为，内存里面有一块数据，类似于一整个方包，切片后，形成数据集，类似于一盘切片面包，如下图所示。面包切片后方便食用，内存中整块数据切片后，变成数据集，方便TensorFlow处理

在实际使用中，我们可能还希望Dataset中的每个元素具有更复杂的形式，如每个元素是一个Python中的元组，或是Python中的词典。例如，在图像识别问题中，一个元素可以是{“image”: image_tensor, “label”: label_tensor}的形式，这样处理起来更方便。

tf.data.Dataset.from_tensor_slices同样支持创建这种dataset，例如我们可以让每一个元素是一个词典，如下所示：

可以看到，tf.data.Dataset.from_tensor_slices 把一个形状为(3,10)的数据，“切片”为具有3个元素，每个元素的形状为(10,)的数据集，这样就方便迭代或使用了。