tf.data.Dataset.list_files创建一个张量称为
MatchingFiles:0（如果适用，带有适当的前缀）。
您可以评估
tf.shape(tf.get_default_graph().get_tensor_by_name('MatchingFiles:0'))[0]获取文件数。
当然，这仅在简单情况下有效，特别是如果每个图像只有一个样本（或已知数量的样本）。
在更复杂的情况下，例如，当您不知道每个文件中的样本数时，您只能在时期结束时观察样本数。
为此，您可以观看计数的纪元数
Dataset。
repeat()创建一个名为的成员
_count，该成员对纪元数进行计数。通过在迭代过程中观察它，您可以发现它何时发生变化，并从那里计算出数据集的大小。
该计数器可能埋在
Datasets的层次结构中，该层次结构是在连续调用成员函数时创建的，因此我们必须像这样挖掘它。
d = my_dataset# RepeatDataset seems not to be exposed -- this is a possible workaround RepeatDataset = type(tf.data.Dataset().repeat())try: while not isinstance(d, RepeatDataset): d = d._input_datasetexcept AttributeError: warnings.warn('no epoch counter found') epoch_counter = Noneelse: epoch_counter = d._count请注意，使用此技术时，数据集大小的计算并不准确，因为在此期间
epoch_counter递增的批次通常会将来自两个连续时期的样本混合在一起。因此，此计算精确到您的批生产长度。
