python之在 tensorflow 2.0 beta 中从 tf.data.Dataset 检索下一个元素

在 tensorflow 2.0-beta 之前，要从 tf.data.Dataset 中检索第一个元素，我们可以使用如下所示的迭代器:

#!/usr/bin/python 
 
import tensorflow as tf 
 
train_dataset = tf.data.Dataset.from_tensor_slices([1.0, 2.0, 3.0, 4.0]) 
iterator = train_dataset.make_one_shot_iterator() 
with tf.Session() as sess: 
    # 1.0 will be printed. 
    print (sess.run(iterator.get_next())) 

在 tensorflow 2.0-beta 中，上面的 one-shot-iterator 似乎已被弃用。要打印出整个元素，我们可以使用以下 for 方法。

#!/usr/bin/python 
 
import tensorflow as tf 
 
train_dataset = tf.data.Dataset.from_tensor_slices([1.0, 2.0, 3.0, 4.0]) 
 
for data in train_dataset: 
    # 1.0, 2.0, 3.0, and 4.0 will be printed. 
    print (data.numpy()) 

但是，如果我们只想从 tf.data.Dataset 中恰好检索一个元素，那么我们如何使用 tensorflow 2.0 beta 呢？似乎不支持next(train_dataset)。如上所示，使用旧的一次性迭代器可以轻松完成，但使用基于 for 的新方法时效果不是很明显。

欢迎任何建议。

请您参考如下方法:

启用急切执行(TF 2.0 中的默认设置)的作用是:

elem = next(iter(train_dataset)) 

说明:数据集有一个 __iter__ 成员函数来支持 for elem in dataset: 方法。这将返回一个迭代器。 Python 函数 iter 就是这样做的:基本上调用 __iter__ 函数。 next 然后返回迭代器生成的第一个元素。

我还没有找到适用于非急切执行的解决方案，因为目前会引发 RuntimeError: __iter__() is only supported inside of tf.function or when eager execution is enabled.