在TF 1.x中，你可以使用以下的迭代器。这里提供了不同的迭代器（有些在未来的版本中可能会被弃用）。

import tensorflow as tf

d = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4])
diter = d.make_one_shot_iterator()
e1 = diter.get_next()

with tf.Session() as sess:
  print(sess.run(e1))

或在TF 2.x中

import tensorflow as tf

d = tf.data.Dataset.from_tensor_slices([1, 2, 3, 4])
print(next(iter(d)).numpy())

## You can also use loops as follows to traverse the full set one item at a time
for elem in d:
    print(elem)

如果您的TensorFlow数据集命名为dataset，您可以按如下方式访问第一个元素：

list(dataset.as_numpy_iterator())[0]

参见文件。

也可以将J.V.提出的as_numpy_iterator方法与take方法结合使用，take方法允许您指定要从tf数据集中提取多少个元素，例如：

import tensorflow as tf

>>> dataset = tf.data.Dataset.range(10)
>>> dataset = dataset.take(1) # take one element (the first)
>>> list(dataset.as_numpy_iterator())
0

更改take方法中的数量将允许您提取不同数量的元素（按照它们插入数据集中的顺序）。