tf.Tensor(和<tf.Tensor：>)有什么区别？

Question

考虑下面的代码

import pprint

import numpy as np
import tensorflow as tf
import tensorflow_datasets as tfds
ratings = tfds.load("movielens/100k-ratings", split="train")
movies = tfds.load("movielens/100k-movies", split="train")

ratings = ratings.map(lambda x: {
    "movie_title": x["movie_title"],
    "user_id": x["user_id"],
    "user_rating": x["user_rating"],
    # "timestamp": x["timestamp"],
})
movies = movies.map(lambda x: x["movie_title"])
type(movies)
for example in movies.take(2):
  # pprint.pprint(tf.reshape(example['movie_title'],[3,5,1]))
  pprint.pprint(example)

上面的代码将为我提供如下输出

<tf.Tensor: shape=(), dtype=string, numpy=b'You So Crazy (1994)'>
<tf.Tensor: shape=(), dtype=string, numpy=b'Love Is All There Is (1996)'>

下面的代码将给出不同的结果。

让我们假设在csv文件中有名为songs_details.csv的数据

,song_id,title,release,artist_name,year,count
0,SOAAAGQ12A8C1420C8,Orgelblut,Dolores,Bohren  Der Club Of Gore,2008,1
1,SOAACPJ12A81C21360,Cearc Agus Coileach  The Hen And Cock,CasadhTurning,Mchel  Silleabhin,1,1
2,SOAAEJI12AB0188AB5,Godlovesugly,God Loves Ugly,Atmosphere,1,1
3,SOAAFAC12A67ADF7EB,Rome Wasnt Built In A Day,Parts Of The Process,Morcheeba,2000,2
4,SOAAKPM12A58A77210,So Confused feat Butta Creame amended album version,Late Night Special,Pretty Ricky,2007,1
5,SOAAOYI12AB01831CE,Criminal,Gotan Project live,Gotan Project,2006,2

现在让我们读取这个csv文件并对其进行处理。

songs = tf.data.experimental.make_csv_dataset(
    "./songs_details.csv",
    batch_size=128,
    select_columns=['song_id','title','release','artist_name','year'],
    num_epochs=1,
    ignore_errors=True,)
songs = songs.unbatch().map(lambda x: {
    "song_id":x["song_id"],
    "release":x["release"],
    "artist_name":x["artist_name"],
    "title":x["title"],
    "year":x["year"],
})

for example in songs.map(lambda x: x['title']).take(2):
  print(example)

以上将产生如下产出：

tf.Tensor(b'Skip The Youth', shape=(), dtype=string)
tf.Tensor(b'Teenage Dirtbag', shape=(), dtype=string)

变量的两个表示之间有什么区别吗，我指的是tf.Tensor()和<tf.Tensor: >

使用的TF版本为2.9.1

Answer 1

变量的两种表示方式之间没有显着性差异。唯一的区别是，一个变量使用pprint，另一个变量使用print。这两个函数似乎打印的Tensorflow张量有点不同。然而，这并不影响张量本身。使用pprint或print进行打印都会产生相同的结果。