TensorFlow 2.10使用Dataset.map遇AttributeError：Tensor无numpy属性

错误原因是dataset.map()默认在TensorFlow图模式下执行，此时传入loaddata的filepath是图Tensor，无法直接调用.numpy()方法。以下是两种有效解决方法：

方法一：用tf.py_function包装自定义函数 #

tf.py_function会将图Tensor转换为numpy数组传入函数，兼容你的现有逻辑：

import numpy as np
import tensorflow as tf

def loaddata(filepath, label):
    # 此时filepath是numpy字符串对象，直接decode即可
    data = np.load(filepath.decode())
    return data, label 

filenames = []
labels = []

# 填充数据到filenames和labels

dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
# 用tf.py_function包装，需指定输出类型（根据你的实际数据类型调整）
dataset = dataset.map(lambda x, y: tf.py_function(
    func=loaddata,
    inp=[x, y],
    Tout=[tf.float32, tf.int32]  # 示例类型，替换为你的data和label的实际类型
))

方法二：改用TensorFlow原生IO操作（推荐，性能更优） #

避免使用numpy的IO函数，改用TensorFlow原生API实现文件读取，更适配图模式：

import tensorflow as tf

def loaddata(filepath, label):
    # 读取文件内容
    file_content = tf.io.read_file(filepath)
    # 解析numpy格式文件（假设保存的是float32数组）
    data = tf.io.parse_tensor(file_content, out_type=tf.float32)
    return data, label 

filenames = []
labels = []

# 填充数据到filenames和labels

dataset = tf.data.Dataset.from_tensor_slices((filenames, labels))
dataset = dataset.map(loaddata)

注意：如果你的numpy文件保存的是结构化数组或其他特殊格式，可能需要调整解析逻辑。

内容的提问来源于stack exchange，提问作者noone