如何在Eager Execution模式下使用tf.data Datasets？解决迭代报错

嘿，你遇到的这个TypeError: 'BatchDataset' object is not iterable问题，在TensorFlow 1.x的Eager Execution环境里挺常见的——早期版本的Eager还不支持直接对Dataset对象做for循环迭代，得靠迭代器来搞定。

正确的迭代写法（TF 1.x Eager） #

你提到尝试了dataset.make_one...，应该是指make_one_shot_iterator()对吧？完整的可运行代码是这样的：

import tensorflow as tf
tf.enable_eager_execution()

# 构建数据集
dataset = tf.data.Dataset.from_tensor_slices(tf.random_uniform([50, 10]))
dataset = dataset.batch(5)

# 创建一次性迭代器，循环获取批次数据
iterator = dataset.make_one_shot_iterator()
while True:
    try:
        batch = iterator.get_next()
        print(batch)
    except tf.errors.OutOfRangeError:
        # 数据集迭代完会抛出这个异常，捕获后退出循环就行
        break

为啥原来的代码报错？ #

在TF 1.x的Eager模式初期，Dataset类还没实现Python的迭代器协议，所以直接写for batch in dataset会触发类型错误。而make_one_shot_iterator()会生成一个适配Eager模式的迭代器，调用get_next()就能直接拿到张量形式的批次数据，直到数据集被遍历完。

额外提一句：TF 2.x里更简单 #

要是你升级到TensorFlow 2.x，事情就省心多了——Eager Execution默认就是开启的，而且Dataset已经支持直接迭代，你最开始写的代码改个小细节（tf.random_uniform换成tf.random.uniform）就能直接跑：

import tensorflow as tf

# TF2.x不用手动开Eager了
dataset = tf.data.Dataset.from_tensor_slices(tf.random.uniform([50, 10]))
dataset = dataset.batch(5)
for batch in dataset:
    print(batch)

内容的提问来源于stack exchange，提问作者Kilian Obermeier