TensorFlow调用DatasetV2.save()报错：不存在save属性

问题根源 #

Dataset.save()是TensorFlow 2.10版本才新增的API，如果你使用的TensorFlow版本低于2.10，调用这个方法就会触发AttributeError: type object 'DatasetV2' has no attribute 'save'错误——因为旧版本的DatasetV2类根本没实现这个方法。

两种解决办法 #

1. 升级TensorFlow到2.10及以上版本 #

这是最直接的解决方案，执行以下命令升级：

# CPU版本
pip install --upgrade tensorflow

# GPU版本
pip install --upgrade tensorflow-gpu

2. 低版本环境下手动实现保存逻辑 #

如果因为环境限制无法升级，可以把数据集转换成numpy数组后保存，示例代码如下：

import tensorflow as tf
import numpy as np
import os

# 提取数据集所有元素
dataset_elements = list(test_ds.as_numpy_iterator())

# 分情况保存（区分带标签/不带标签的数据集）
if isinstance(dataset_elements[0], tuple):
    # 数据集包含特征和标签
    features = np.array([item[0] for item in dataset_elements])
    labels = np.array([item[1] for item in dataset_elements])
    np.savez(os.path.join(path, 'saved_dataset.npz'), features=features, labels=labels)
else:
    # 仅包含特征的数据集
    np.save(os.path.join(path, 'saved_dataset.npy'), dataset_elements)

# 对应的加载代码
# 加载带标签的数据集
loaded_data = np.load(os.path.join(path, 'saved_dataset.npz'))
loaded_ds = tf.data.Dataset.from_tensor_slices((loaded_data['features'], loaded_data['labels']))

# 加载仅含特征的数据集
# loaded_elements = np.load(os.path.join(path, 'saved_dataset.npy'))
# loaded_ds = tf.data.Dataset.from_tensor_slices(loaded_elements)

注意：如果数据集规模很大，转换成numpy数组可能会占用大量内存，这种情况下优先选择升级TensorFlow版本。

内容的提问来源于stack exchange，提问作者Kimtaehyung123