如何正确重标记TensorFlow数据集，解决Tensor不可哈希报错问题

你触发的TypeError: Tensor is unhashable报错核心原因是：tf.py_function传入自定义函数的输入是Tensor类型，而你直接将Tensor作为Python字典的键做查询，Python字典要求键必须是可哈希的原生数据类型，Tensor不满足该要求。

这里提供两种符合你可读性要求的实现方案：

方案1：最小改动适配原有逻辑 #

仅调整自定义函数的输入处理逻辑，完全保留你原有的字典映射写法，改动量最小：

# 完整可运行代码
import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds

builder = tfds.image.Cifar10()
builder.download_and_prepare()
ds_train: tf.data.Dataset = builder.as_dataset(split='train')

def relabel_map(l):
    # 先将输入Tensor转为Python原生int类型再查字典
    l_py = l.numpy().item()
    return {0: 0, 1: 6, 2: 1, 3: 2, 4: 3, 5: 4, 6: 9, 7: 5, 8: 7, 9: 8}[l_py]

def process_example(example):
    img = example['image']
    label = tf.squeeze(tf.py_function(relabel_map, [example['label']], tf.int64))
    # 手动设置标签形状，避免后续数据流水线操作报错
    label.set_shape(())
    return img, label

ds_train = ds_train.map(process_example)

for ex in ds_train.take(1):
    plt.imshow(np.array(ex[0], dtype=np.uint8))
    plt.show()
    print(ex[1])

方案2：TensorFlow原生静态哈希表实现（更推荐） #

完全在TensorFlow计算图内执行，性能远高于tf.py_function，适合大数据量训练场景，映射规则直观易读：

import matplotlib.pyplot as plt
import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds

builder = tfds.image.Cifar10()
builder.download_and_prepare()
ds_train: tf.data.Dataset = builder.as_dataset(split='train')

# 定义重映射规则，键为原始标签，值为目标标签
original_labels = tf.constant([0,1,2,3,4,5,6,7,8,9], dtype=tf.int64)
target_labels = tf.constant([0,6,1,2,3,4,9,5,7,8], dtype=tf.int64)
# 初始化静态哈希表
relabel_table = tf.lookup.StaticHashTable(
    tf.lookup.KeyValueTensorInitializer(original_labels, target_labels),
    default_value=-1
)

def process_example(example):
    return example['image'], relabel_table.lookup(example['label'])

ds_train = ds_train.map(process_example)

for ex in ds_train.take(1):
    plt.imshow(np.array(ex[0], dtype=np.uint8))
    plt.show()
    print(ex[1])

内容的提问来源于stack exchange，提问作者leevii