通过映射方法更改类型

Question

我在Tensorflow中很难找到关于Dataset的map方法的细节。示例

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.map(lambda x: x + 2)
list(dataset.as_numpy_iterator())

工作正常，但通过将map应用为来更改元素类型

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.map(lambda x: x / 10.0)
list(dataset.as_numpy_iterator())

产生错误消息

TypeError: `x` and `y` must have the same dtype, got tf.int32 != tf.float32.

因为应用的映射函数的返回类型与其输入类型不同。为什么会这样？不可能改变类型吗？如果是这样，我如何才能实现将数据集中的元素类型更改为tf.float32的预期结果？

请注意，实际的数据集更为复杂，但这是说明该问题的最小示例。

Answer 1

我终于自己发现了。这个问题根本与map无关，但对于分区，需要显式强制转换。

dataset = tf.data.Dataset.from_tensor_slices([1, 2, 3])
dataset = dataset.map(lambda x: tf.cast(x, tf.float32) / 10.0)
list(dataset.as_numpy_iterator())