为此，还需要两个步骤。首先，map函数需要返回一个numpy数组，而不是一个列表。
然后，您可以使用
flat_map结合使用
Dataset().from_tensor_slices()来使它们变平。现在，下面的代码会产生所需的结果：
在Tensorflow 1.5中测试（复制/粘贴可运行示例）
import tensorflow as tfimport numpy as npinput = [10, 20, 30]def my_map_func(i): return np.array([i, i + 1, i + 2])ds = tf.data.Dataset.from_tensor_slices(input)ds = ds.map(map_func=lambda input: tf.py_func( func=my_map_func, inp=[input], Tout=[tf.int64]))ds = ds.flat_map(lambda x: tf.data.Dataset().from_tensor_slices(x))element = ds.make_one_shot_iterator().get_next()with tf.Session() as sess: for _ in range(9): print(sess.run(element))
如果您有多个要返回的变量，这是一种执行此方法的方法，在此示例中，我输入一个字符串（例如文件名），并输出字符串和整数的倍数。在这种情况下，我为[10、20、30]的每个整数重复字符串。
复制/粘贴可运行示例：
import tensorflow as tfimport numpy as npinput = [b'testA', b'testB', b'testC']def my_map_func(input): return np.array([input, input, input]), np.array([10, 20, 30])ds = tf.data.Dataset.from_tensor_slices(input)ds = ds.map(map_func=lambda input: tf.py_func( func=my_map_func, inp=[input], Tout=[tf.string, tf.int64]))ds = ds.flat_map(lambda mystr, myint: tf.data.Dataset().zip(( tf.data.Dataset().from_tensor_slices(mystr), tf.data.Dataset().from_tensor_slices(myint))))element = ds.make_one_shot_iterator().get_next()with tf.Session() as sess: for _ in range(9): print(sess.run(element))
