带字符串输入的Tensorflow数据集不保留数据类型

Question

可再现所有代码均在带有TF 2.2.0-rc2的Google Colab上运行。适应documentation中的简单示例，从简单的Python列表创建数据集：

import numpy as np
import tensorflow as tf
tf.__version__
# '2.2.0-rc2'
np.version.version
# '1.18.2'

dataset1 = tf.data.Dataset.from_tensor_slices([1, 2, 3]) 
for element in dataset1: 
  print(element) 
  print(type(element.numpy()))

我们得到结果
tf.Tensor(1, shape=(), dtype=int32)
<class 'numpy.int32'>
tf.Tensor(2, shape=(), dtype=int32)
<class 'numpy.int32'>
tf.Tensor(3, shape=(), dtype=int32)
<class 'numpy.int32'>

如所料，所有数据类型均为int32。
但是更改此简单示例以提供字符串列表而不是整数：
dataset2 = tf.data.Dataset.from_tensor_slices(['1', '2', '3']) 
for element in dataset2: 
  print(element) 
  print(type(element.numpy()))

给出结果
tf.Tensor(b'1', shape=(), dtype=string)
<class 'bytes'>
tf.Tensor(b'2', shape=(), dtype=string)
<class 'bytes'>
tf.Tensor(b'3', shape=(), dtype=string)
<class 'bytes'>

令人惊讶的是，尽管张量本身为dtype=string，但它们的求值为bytes类型。
此行为不限于.from_tensor_slices方法；这是.list_files的情况（以下代码段在新的Colab笔记本中直接运行）：
.list_files

结果为：
disc_data = tf.data.Dataset.list_files('sample_data/*.csv') # 4 csv files
for element in disc_data: 
  print(element) 
  print(type(element.numpy()))

再一次，尽管张量本身是tf.Tensor(b'sample_data/california_housing_test.csv', shape=(), dtype=string)
<class 'bytes'>
tf.Tensor(b'sample_data/mnist_train_small.csv', shape=(), dtype=string)
<class 'bytes'>
tf.Tensor(b'sample_data/california_housing_train.csv', shape=(), dtype=string)
<class 'bytes'>
tf.Tensor(b'sample_data/mnist_test.csv', shape=(), dtype=string)
<class 'bytes'>
，但评估的张量中的文件名将以bytes而不是string的形式返回。
dtype=string方法也观察到类似的行为（此处未显示）。>>
[最终演示：如.from_generator方法.as_numpy_iterator中所示，以下相等条件被评估为documentation：
True
但是如果我们将dataset3 = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]), 
                                               'b': [5, 6]}) 

list(dataset3.as_numpy_iterator()) == [{'a': (1, 3), 'b': 5}, 
                                       {'a': (2, 4), 'b': 6}] 
# True
的元素更改为字符串，则相等条件现在令人惊讶地评估为b！
False
[可能由于数据类型不同，因为值本身显然相同。
我没有通过学术实验偶然发现这种行为；我正在尝试使用自定义函数将数据传递给TF数据集，这些函数从表格的磁盘中读取文件对。
dataset4 = tf.data.Dataset.from_tensor_slices({'a': ([1, 2], [3, 4]), 
                                               'b': ['5', '6']})   # change elements of b to strings

list(dataset4.as_numpy_iterator()) == [{'a': (1, 3), 'b': '5'},   # here
                                       {'a': (2, 4), 'b': '6'}]   # also
# False
哪些自定义函数本身可以很好地运行，但是可以通过TF数据集进行映射
f = ['filename1', 'filename2']
在此挖掘之后，如果返回的数据类型确实为RuntimeError: not a string
而不是bytes，则似乎至少无法解释。
所以，这是一个错误（看起来），还是我在这里遗漏了什么？
下面的所有可复制代码都是在TF 2.2.0-rc2的Google Colab上运行的。修改文档中的简单示例以从简单的Python列表创建数据集：将numpy导入为np import ...

Answer 1

这是已知的行为：

发件人：string