TensorFlow新手：如何正确打印tf.data.Dataset.from_tensor_slices的结果？

嗨，我刚学TensorFlow的时候也碰到过这个问题！tf.data.Dataset不像普通的NumPy数组那样直接print就能看到内容，得用一些特定的方法来查看里面的数据，结合你的代码，我给你几种实用的方式：

因为你代码里用了tf.Session，这是TensorFlow 1.x的写法，我们可以创建迭代器，在会话中取出数据打印：

import tensorflow as tf
import numpy as np

sess = tf.Session()
X = tf.constant([[[1, 2, 3], [3, 4, 5]], [[3, 4, 5], [5, 6, 7]]])
Y = tf.constant([[[11]], [[12]]])
dataset = tf.data.Dataset.from_tensor_slices((X, Y))

# 创建可初始化迭代器
iterator = dataset.make_initializable_iterator()
next_element = iterator.get_next()

# 初始化迭代器并遍历打印所有元素
sess.run(iterator.initializer)
try:
    while True:
        x_val, y_val = sess.run(next_element)
        print("X的元素:\n", x_val)
        print("Y的元素:\n", y_val)
except tf.errors.OutOfRangeError:
    print("所有元素已遍历完成")

解释： 在TensorFlow 1.x的图模式下，Dataset是计算图的一部分，必须通过迭代器在会话中获取数据。当所有元素遍历完毕，会抛出OutOfRangeError，我们捕获这个异常就可以终止遍历。

如果你的数据集规模不大，可以直接把整个数据集转换成NumPy数组的列表来查看：

# 接你原有的代码
dataset_elements = list(dataset.as_numpy_iterator())
for x, y in dataset_elements:
    print("X元素:", x)
    print("Y元素:", y)

注意： as_numpy_iterator()是TensorFlow 2.x的API，如果还在使用1.x版本，建议用方法1更稳妥。

你代码里注释掉的几个属性其实非常实用，能帮你快速了解数据集的结构：

print("输出元素类型:", dataset.output_classes)
print("输出元素形状:", dataset.output_shapes)

运行后你会看到，X的每个元素形状是(2, 3)，Y的每个元素形状是(1, 1)——这是因为from_tensor_slices会把输入张量的最外层维度作为数据集的元素个数，自动切片拆分。

试试这些方法，应该就能看到你想要的数据集内容啦！

内容的提问来源于stack exchange，提问作者guorui