TensorFlow传入字符串张量时如何读取指定路径下的图像

当前实现的图像读取函数入参为TensorFlow字符串张量filename，代码如下：

def get_image(filename):
    filename = filename.numpy()
    img = tf.io.read_file(f'images/{filename}')
    return img

运行时抛出错误：AttributeError: 'Tensor' object has no attribute 'numpy'，尝试启用eager execution后问题未解决，需要无需转换为numpy格式的适配方案。

该错误通常出现在函数被tf.data.Dataset.map()调用做数据预处理的场景：数据集预处理流程默认运行在TensorFlow静态图模式，此时入参filename是静态图中的符号张量，不提供.numpy()取值方法，手动开启eager execution不会改变数据集map流程的默认执行逻辑，因此该类方案无效。

直接使用TensorFlow原生字符串算子完成路径拼接即可，全程保持张量运算，同时兼容eager模式和静态图模式，完全不需要转换为numpy格式：

import tensorflow as tf

def get_image(filename):
    # 执行张量级字符串拼接，无需提取Python原生字符串值
    full_path = tf.strings.join(["images/", filename])
    img = tf.io.read_file(full_path)
    # 可直接追加后续预处理逻辑，示例：
    # img = tf.io.decode_image(img, channels=3, expand_animations=False)
    # img = tf.image.resize(img, [224, 224])
    return img

如果存在必须执行Python原生逻辑的特殊场景，可在调用map时用tf.py_function包裹自定义逻辑，但上述纯TensorFlow算子的方案性能更优，为首选实现方式。

内容的提问来源于stack exchange，提问作者F777