如何将 tf.data.Dataset.padded_batch 与嵌套形状一起使用？

我正在为每个元素构建一个具有两个形状 [batch,width,height,3] 和 [batch,class] 的张量的数据集。为了简单起见，我们假设 class = 5。

你吃什么形状的dataset.padded_batch(1000,shape)这样图像沿着宽度/高度/3 轴填充？

我已经尝试过以下方法：

tf.TensorShape([[None,None,None,3],[None,5]])
[tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5])]
[[None,None,None,3],[None,5]]
([None,None,None,3],[None,5])
(tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5])‌​)

每次都会引发 TypeError

The docs https://www.tensorflow.org/versions/master/api_docs/python/tf/data/Dataset#padded_batch state:

padded_shapes：tf.TensorShape 或 tf.int64 向量的嵌套结构 类似张量的对象，表示各自的形状 应在批处理之前填充每个输入元素的组件。 任何未知维度（例如 tf.TensorShape 中的 tf.Dimension(None) 或 -1（在类似张量的对象中）将在每个批次中填充到该维度的最大大小。

相关代码：

dataset = tf.data.Dataset.from_generator(generator,tf.float32)
shapes = (tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
batch = dataset.padded_batch(1,shapes)

感谢结婚找到解决方案。事实证明，from_generator 中的类型必须与条目中的张量数量相匹配。

新代码：

dataset = tf.data.Dataset.from_generator(generator,(tf.float32,tf.float32))
shapes = (tf.TensorShape([None,None,None,3]),tf.TensorShape([None,5]))
batch = dataset.padded_batch(1,shapes)