如何从 TensorFlow 数据集中提取数据/标签

有很多如何创建和使用 TensorFlow 数据集的示例，例如

dataset = tf.data.Dataset.from_tensor_slices((images, labels))

我的问题是如何以 numpy 形式从 TF 数据集中获取数据/标签？换句话说，want 是上面一行的反向操作，即我有一个 TF 数据集，并且想要从中获取图像和标签。

万一你的tf.data.Dataset https://www.tensorflow.org/api_docs/python/tf/data/Dataset是批处理的，以下代码将检索所有 y 标签：

y = np.concatenate([y for x, y in ds], axis=0)

快速解释： [y for x, y in ds]在Python中被称为“列表理解”。如果数据集是批处理的，则此表达式将循环遍历每个批次，并将每个批次 y（TF 1D 张量）放入列表中，然后返回它。然后，np.concatenate 将获取此一维张量列表（隐式转换为 numpy）并将其堆叠在 0 轴上以生成单个长向量。总而言之，它只是将一堆一维小向量转换为一个长向量。

Note:如果你的 y 更复杂，这个答案将需要一些小的修改。