使用TensorFlow创建Dataset时遇'Unbatching a tensor...'错误求助

你犯了两个关键错误：

1. path_masks的定义少了闭合括号，存在语法错误；
2. 错误地将单个带通配符的路径字符串传入tf.constant，再用from_tensor_slices处理——该函数要求输入的张量维度≥1（比如路径列表），但单个字符串是标量（维度0），因此触发Unbatching a tensor is only supported for rank >= 1错误。

另外你已经通过list_files获取了图片和掩码的路径数据集，完全没必要再用from_tensor_slices重复构建。

方案一：直接合并已有数据集（推荐） #

利用tf.data.Dataset.zip将你已经获取的images和masks路径数据集配对，保证顺序完全对应（因为你设置了shuffle=False）：

path_imgs = './images/train/*.jpg'
path_masks = './masks/train/*.jpg'  # 补上缺失的闭合括号

# 获取路径数据集
images = tf.data.Dataset.list_files(path_imgs, shuffle=False)
masks = tf.data.Dataset.list_files(path_masks, shuffle=False)

# 配对两个数据集
dataset = tf.data.Dataset.zip((images, masks))

方案二：手动生成路径列表后构建数据集 #

如果想使用from_tensor_slices，需要先将通配符路径解析为实际的路径列表：

import glob

path_imgs = './images/train/*.jpg'
path_masks = './masks/train/*.jpg'

# 解析通配符，获取实际路径列表
img_paths = glob.glob(path_imgs)
mask_paths = glob.glob(path_masks)

# 校验图片和掩码数量一致，避免配对错误
assert len(img_paths) == len(mask_paths), "图片与掩码数量不匹配"

# 构建数据集
dataset = tf.data.Dataset.from_tensor_slices((img_paths, mask_paths))

可以添加映射函数，直接在数据集中完成图片和掩码的加载：

def load_image(path):
    img = tf.io.read_file(path)
    img = tf.image.decode_jpeg(img, channels=3)
    return img

def load_mask(path):
    mask = tf.io.read_file(path)
    mask = tf.image.decode_jpeg(mask, channels=1)
    return mask

def load_pair(img_path, mask_path):
    return load_image(img_path), load_mask(mask_path)

# 应用加载逻辑
dataset = dataset.map(load_pair)

内容的提问来源于stack exchange，提问作者George