对图像执行reshape操作报错：BatchDataset对象无reshape属性

在适配GAN模型输入形状、对图像做reshape操作时触发如下运行错误：

AttributeError: 'BatchDataset' object has no attribute 'reshape'

错误原因 #

reshape是TensorFlow张量、NumPy数组的内置形状调整方法，你当前调用方法的对象是tf.dataAPI生成的BatchDataset批量数据集实例——这是封装了数据加载、预处理、批量迭代逻辑的流水线对象，本身没有提供reshape接口，直接对整个数据集对象调用reshape就会触发这个属性错误。

解决方法 #

不要试图直接对数据集对象做reshape，把形状调整逻辑通过.map()方法嵌入到数据预处理流水线中即可，根据你reshape的时机分两种写法：

• 单样本维度reshape（batch操作前处理，推荐）
  对每一条单独的样本做形状调整，处理完再组装批量，逻辑更清晰：

  import tensorflow as tf
  
  def preprocess_reshape(image, label):
      # 替换成你GAN模型需要的输入形状，比如宽28、高28、单通道的手写数字图形状
      image = tf.reshape(image, [28, 28, 1])
      # 需要归一化像素值也可以在这里加逻辑：image = tf.cast(image, tf.float32) / 255.0
      return image, label
  
  # 把reshape逻辑挂载到数据集，再做批量、预取等后续操作
  dataset = dataset.map(preprocess_reshape, num_parallel_calls=tf.data.AUTOTUNE).batch(batch_size=32).prefetch(tf.data.AUTOTUNE)
  

• 批量维度reshape（已经做了batch操作后的处理）
  如果你已经提前调用了.batch()生成了批量数据集，就在map逻辑里保留第一维的batch维度，用-1自动推导批量大小即可：

  def reshape_batch_data(batch_imgs, batch_labels):
      batch_imgs = tf.reshape(batch_imgs, [-1, 28, 28, 1])
      return batch_imgs, batch_labels
  
  dataset = dataset.batch(32).map(reshape_batch_data, num_parallel_calls=tf.data.AUTOTUNE)
  

不要为了调用reshape直接把整个数据集转成NumPy数组加载到内存，数据量较大时会直接触发内存溢出，也会丢失tf.data流水线并行加载、预取的性能优势。

内容的提问来源于stack exchange，提问作者yungdenzel