Windows下tfds下载imdb_reviews出现UnicodeDecodeError报错求助

这个UnicodeDecodeError是TensorFlow 2.3版本在Windows环境下的已知bug，触发原因有两个：

1. TensorFlow 2.3.x对Windows系统的文件路径编码适配不完善，处理非ASCII字符时会报错
2. tensorflow_datasets默认把数据集存储在C:\Users\你的用户名目录下，如果用户名包含中文/特殊字符，就会触发编码异常

按优先级从高到低排列：

• 方案1：自定义无特殊字符的数据集存储路径
  提前在全英文路径下创建存储文件夹（比如D:\tfds_datasets），在调用tfds.load时指定data_dir参数即可，修改后代码如下：

  import tensorflow_datasets as tfds
  datasets, info = tfds.load(
      "imdb_reviews",
      as_supervised=True, 
      with_info=True,
      data_dir="D:/tfds_datasets"
  )
  

  注意：指定的路径必须全为英文、没有空格和特殊符号，否则还是会触发编码错误
  这个方案不需要修改环境依赖，操作成本最低，优先测试。

• 方案2：升级适配版本的依赖包
  如果方案1没有解决问题，直接升级TensorFlow和tensorflow_datasets到无bug的匹配版本即可，执行安装命令：
  pip install tensorflow==2.6.0 tensorflow-datasets==4.4.0
  如果你使用Anaconda虚拟环境，需要先切换到对应环境再执行命令。

• 方案3：离线导入数据集
  网络受限无法在线下载的情况下，可以手动下载imdb_reviews数据集压缩包，放到你指定的data_dir对应目录下，tensorflow_datasets会自动识别本地文件，跳过下载流程直接加载，也能规避编码报错。

内容的提问来源于stack exchange，提问作者Niko